JP4426733B2 - Fingerprint data synthesizing process, the fingerprint data synthesis device, a computer readable recording medium storing the fingerprint data synthesizing program and the program - Google Patents

Fingerprint data synthesizing process, the fingerprint data synthesis device, a computer readable recording medium storing the fingerprint data synthesizing program and the program Download PDF

Info

Publication number
JP4426733B2
JP4426733B2 JP2001047965A JP2001047965A JP4426733B2 JP 4426733 B2 JP4426733 B2 JP 4426733B2 JP 2001047965 A JP2001047965 A JP 2001047965A JP 2001047965 A JP2001047965 A JP 2001047965A JP 4426733 B2 JP4426733 B2 JP 4426733B2
Authority
JP
Japan
Prior art keywords
fingerprint data
feature point
fingerprint
feature
feature points
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
JP2001047965A
Other languages
Japanese (ja)
Other versions
JP2001344604A (en
Inventor
勇作 藤井
Original Assignee
富士通株式会社
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Priority to JP2000-98044 priority Critical
Priority to JP2000098044 priority
Application filed by 富士通株式会社 filed Critical 富士通株式会社
Priority to JP2001047965A priority patent/JP4426733B2/en
Publication of JP2001344604A publication Critical patent/JP2001344604A/en
Application granted granted Critical
Publication of JP4426733B2 publication Critical patent/JP4426733B2/en
Application status is Active legal-status Critical
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING; COUNTING
    • G06KRECOGNITION OF DATA; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
    • G06K9/00Methods or arrangements for reading or recognising printed or written characters or for recognising patterns, e.g. fingerprints
    • G06K9/62Methods or arrangements for recognition using electronic means
    • G06K9/6217Design or setup of recognition systems and techniques; Extraction of features in feature space; Clustering techniques; Blind source separation
    • G06K9/6255Determining representative reference patterns, e.g. averaging or distorting patterns; Generating dictionaries, e.g. user dictionaries
    • GPHYSICS
    • G06COMPUTING; CALCULATING; COUNTING
    • G06KRECOGNITION OF DATA; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
    • G06K9/00Methods or arrangements for reading or recognising printed or written characters or for recognising patterns, e.g. fingerprints
    • G06K9/00006Acquiring or recognising fingerprints or palmprints

Description

【0001】 [0001]
【発明の属する技術分野】 BACKGROUND OF THE INVENTION
本発明は、指紋を用いて個人確認を行なうシステムにおいて指紋データを作成するための指紋データ合成方法および装置並びに指紋データ合成プログラムおよび同プログラムを記録したコンピュータ読取可能な記録媒体に関する。 The present invention is related to the fingerprint data synthesis method and apparatus, and fingerprint data synthesizing program and recording a computer-readable recording medium the program for creating the fingerprint data in a system which performs personal confirmed using fingerprints.
【0002】 [0002]
【従来の技術】 BACKGROUND OF THE INVENTION
近年、コンピュータが広範な社会システムの中に導入されるに伴い、セキュリティに関心が集まっている。 In recent years, with the computer is introduced into a wide range of social systems, there has been interest in the security. 従来、コンピュータ室への入室や端末利用の際の本人確認手段として、IDカードやパスワードが用いられてきた。 Conventionally, as a personal identification means at the time of entry and terminal use of the computer room, ID card and password have been used. しかし、それらはセキュリティの面で多くの課題が残されている。 However, they have been left many problems in terms of security.
【0003】 [0003]
パスワードよりも信頼性の高い本人確認手段として、生体情報を利用した個人照合技術が注目されている。 As personal identification means reliable than passwords, personal verification technology has been attracting attention using biometric information. 個人固有の生体情報を用いて本人確認をすると、その信頼性は非常に高いものとなる。 When you verify your identity by using a unique personal biometric information, its reliability becomes very high.
本人確認に利用できる生体情報の一つに指紋がある。 There is a fingerprint on one of the biological information that can be used to verify your identity. 指紋は、「万人不同」,「終生不変」という二大特徴を持つと言われ、本人確認の有力な手段と考えられている。 Fingerprint, "million people unequal", is said to have two major characteristics of "lifelong immutable", is considered a powerful means of identification. 近年では、指紋を用いた個人照合システムに関して多くの研究開発が行なわれている。 In recent years, a number of research and development has been carried out with respect to personal verification system using the fingerprint.
【0004】 [0004]
指紋とは、人間の指先における細かな凹凸である。 The fingerprint is a fine irregularities in the human fingertip. その凸部の連なりを隆線という。 The series of the convex portion of the ridge. 隆線は、人によって固有な、様々な紋様を形成している。 Ridges, unique by the people, to form a variety of A pattern. 隆線をたどっていくと、二つに分かれる点(分岐点)や、行き止まりの点(端点)にぶつかる。 As you follow the ridge, that divided into two (branch point), and hit the dead end of the point (end point). これらの分岐点や端点の分布は、人により全く異なるため、指紋の特徴点と呼ばれる。 Distribution of these branch points and end points is quite different for the human, called feature points of the fingerprint. このような特徴点の分布状態の照合は、個人を特定するための有力な手段として用いられている。 Matching the distribution state of the feature points is used as an effective means for identifying individuals. 指紋照合に際しては、これらの特徴点の位置,種類,方向の一致を確かめ、同一な指紋であるかどうかを調べている。 In the fingerprint collation, the position of these feature points, the type, make sure the direction of the match, and to determine whether the same fingerprint.
【0005】 [0005]
指紋を用いて個人確認を行なうシステムにおいては、各個人の指紋画像を予め登録しておく。 In a system performing personal confirmed using fingerprint registered in advance a fingerprint image of each individual. つまり、そのシステムの利用者(個人)は、指紋スキャナにより指紋画像を入力し、その指紋画像から特徴点データ(指紋データ,生体特徴データ)を抽出して登録しておく。 In other words, the user of the system (personal) inputs a fingerprint image by the fingerprint scanner, registering its fingerprint image feature point data from the (fingerprint data, biometric characteristic data) extracted by the. そして、照合時に指紋スキャナによって指紋画像が入力されると、その指紋画像から特徴点データを指紋データとして抽出し、上述のごとく予め登録されている指紋データと照合する。 Then, when the fingerprint image is input by the fingerprint scanner during verification, extracts feature points data from the fingerprint image as fingerprint data, matching the fingerprint data registered in advance as described above.
【0006】 [0006]
一般に、指紋紋様は、指を特殊な光学系に接触させて得られる像をCCDカメラで撮影したり、静電容量センサで皮膚の隆起部分のみを検出したりして、指紋画像の形で採取されている。 In general, fingerprint pattern is or photographed images obtained by contacting the finger in a special optical system in a CCD camera, or by detecting only the raised portion of the skin with the electrostatic capacitance sensor, taken in the form of a fingerprint image It is. しかし、その時々の指の状態によって、かすれた指紋画像や、汗で隆線が癒着した指紋画像など、明瞭に指紋が写っていない画像が得られたりする。 However, the situation at the finger, blurring or fingerprint image, fingerprint image ridge sweat has adhesion, image not reflected is clearly fingerprint or obtained.
【0007】 [0007]
登録指紋データを予め作成・登録する際に、指紋が明瞭に写っていない指紋画像から指紋データを作成した場合、その指紋データには、多くの誤った特徴点情報が含まれてしまい、照合性能の低下を招くことになる。 When prepared in advance and register the registered fingerprint data, when creating the fingerprint data from the fingerprint image fingerprint Implied clarity, Its fingerprint data, it will include a number of false feature point information, verification performance which leads to deterioration of. また、指紋スキャナの入力面積が小さいと指紋の採取領域が毎回安定しないので、照合性能が安定しなくなる場合がある。 Further, since the collection area of ​​the fingerprint and the input area of ​​the fingerprint scanner is small is unstable every time, there are cases where matching performance can not be stabilized.
【0008】 [0008]
従って、システムに予め登録しておく登録指紋データとしては、できるだけ指紋紋様の明確に写った指紋画像を用いて作成された指紋データを用いることが望ましく、そのような指紋データを用いることで、照合性能の安定、さらには照合成功率の向上〔つまりFRR(False Rejection Rate)の低減〕を期待することができる。 Thus, as the registration fingerprint data registered in advance in the system, it is desirable to use the fingerprint data created using a clear reflected fingerprint image as possible fingerprint pattern, the use of such fingerprint data, collation stable performance, can further be expected to improve the success rate of matching [reduce i.e. FRR (False Rejection rate)].
【0009】 [0009]
そこで、従来、登録指紋データを作成する際には、同じ指の指紋画像を数回採取してその中から指紋が最も明瞭に写った一つの指紋画像を選んだり、指紋模様を複数部分に分けて撮影して複数の部分指紋画像を採取し、これらの部分指紋画像を重ね合わせることによって、広範囲に写っている指紋画像を作成したりしている。 Therefore, conventionally, when creating the registered fingerprint data, or select one of the fingerprint image fingerprint is captured in the clearest among them by the fingerprint images of the same finger taken several times, divide the fingerprint pattern to a plurality of portions shooting Te collected plurality of partial fingerprint images, by superimposing these partial fingerprint image, and to create a fingerprint image that is reflected in a wide range. また、同じ指の指紋画像を数回採取し、採取された各指紋画像の中から明瞭に写っている領域を抽出し、各指紋画像から抽出された領域を組み合わせて指紋画像を作成することも行なわれている。 Also, the fingerprint image of the same finger taken several times, to extract the region that is reflected in distinct from each fingerprint image taken, also create a fingerprint image by combining the region extracted from each fingerprint image It has been carried out.
【0010】 [0010]
【発明が解決しようとする課題】 [Problems that the Invention is to Solve
しかし、同じ指の指紋画像を複数回採取しても、指紋全体が全て明瞭に写っているものを採取できるとは限らず、複数の指紋画像のうちのどこか一部分は、不明瞭になっていることは多々ある。 However, be taken more than once a fingerprint image of the same finger, not always be taken that the whole fingerprint is captured all clarity, somewhere portion of the plurality of fingerprint images unclear there it is there are many. 従って、複数の指紋画像の中から最も明瞭に写った一つの指紋画像を選んだとしても、不明瞭な部分が含まれることは避けられない。 Therefore, even chose one fingerprint image captured in the clearest from a plurality of fingerprint images, it is unavoidable that contain obscurity.
【0011】 [0011]
また、複数の指紋画像から明瞭に写っている領域を抽出して合成し、指紋全体の画像を作成すると、その合成のために、却って指紋隆線の構造が壊されて指紋画像が不明瞭になってしまう。 Further, by extracting the region that is reflected in distinct from a plurality of fingerprint images synthesized, creating an image of the entire fingerprint, for its synthesis, rather is broken structure of a fingerprint ridge is fingerprint image obscured turn into. 特に、異なる2つの指紋画像からそれぞれ抽出した2つの領域を合成する際、それらの領域の隆線どうしをうまく接続できず、隆線の構造が破壊されてしまうことがある。 In particular, different when synthesizing two two regions extracted from each fingerprint image can not successfully connect ridges each other in their region, there is the structure of the ridge is destroyed.
上述のように不明瞭な部分を含む指紋画像から個人固有の特徴を正確に抽出することは難しく、そのような指紋画像から特徴点を抽出して登録指紋データを作成しても、照合性能の低下を免れられない。 It is difficult to accurately extract the individual unique characteristics from the fingerprint image including the obscurity as mentioned above, be created registered fingerprint data by extracting feature points from such a fingerprint image, the verification performance not escape the decline.
【0012】 [0012]
本発明は、このような課題に鑑み創案されたもので、各指紋画像から抽出した特徴点(生体特徴データ)を合成して指紋データを作成することにより、照合性能の安定と照合性能の向上とを実現した、指紋データ合成方法,指紋データ合成装置,指紋データ合成プログラムおよび同プログラムを記録したコンピュータ読取可能な記録媒体を提供することを目的とする。 The present invention has been in view conceived of such a problem, by creating a fingerprint data by combining the feature points extracted from each fingerprint image (biometric characteristic data), improvement in stability and matching performance verification performance realized the door, and an object thereof is to provide a fingerprint data synthesis method, fingerprint data synthesizing device, a computer-readable recording medium body was recorded fingerprint data synthesizing program and the program.
【0013】 [0013]
【課題を解決するための手段】 In order to solve the problems]
上記目的を達成するために、本発明の指紋データ合成方法は、複数の指紋画像のそれぞれから特徴点を抽出することによりその特徴点についての情報を含む指紋データを前記指紋画像毎に作成し、複数の指紋データの相互間で、特徴点の位置的な対応関係に基づき、2以上の指紋データにおいて共通の所定基準位置に対して同一もしくはほぼ同一の位置に存在する特徴点を共通特徴点として探索し、該共通特徴点として対応づけられた特徴点のうち一つの特徴点を合成指紋データの特徴点とすることにより、合成指紋データを作成し、該合成指紋データが所定の類型に合致する場合に、前記指紋データの合成が妥当であると判断し、前記所定の類型は、該合成指紋データの特徴点の個数が所定の範囲内であることと、該合成指紋データの特徴 To achieve the above object, the fingerprint data synthesis method of the present invention is to create a fingerprint data including information about the feature points by extracting feature points from each of the plurality of fingerprint images for each of the fingerprint image, between each other of the plurality of fingerprint data, based on the positional relationship of the feature points, as a common feature points feature points existing in the same or substantially the same position with respect to a common predetermined reference position in two or more fingerprint data searched, one characteristic point of the correspondence obtained feature points by the feature point of the synthetic fingerprint data as the common feature points, to create a synthesized fingerprint data, the synthetic fingerprint data matches the predetermined type If, it is determined that the synthesis of the fingerprint data is valid, the predetermined type are that the number of feature points of the synthetic fingerprint data is within a predetermined range, characteristics of the synthetic fingerprint data が所定の領域内に存在することと、該合成指紋データの特徴点が指紋中心付近で1つのグループをなして存在することと、該合成指紋データの特徴点の関係情報が、合成指紋データにおける他の特徴点の関係情報と整合がとれていることのいずれかを含むことを特徴としている。 There and be present in a given area, and the characteristic point of the synthetic fingerprint data is present no one group near the center of fingerprints, the relationship information of the feature points of the synthetic fingerprint data, in the synthesis fingerprint data It is characterized by comprising any of what is consistent with relationship information for other feature points.
【0014】 [0014]
また、本発明の指紋データ合成装置は、複数の指紋画像のそれぞれから特徴点を抽出し、抽出された該特徴点に関する情報を特徴点データとし、前記指紋画像毎に該特徴点データを含む指紋データを作成する指紋データ抽出部と、 複数の該指紋データの相互間で、特徴点の位置的な対応関係に基づき、2以上の指紋データにおいて共通の所定基準位置に対して同一もしくはほぼ同一の位置に存在する特徴点を共通特徴点として探索する共通特徴点探索部と、該共通特徴点に基づいて指紋データを合成して合成指紋データを作成する指紋データ合成部と、該合成指紋データが所定の類型に合致する場合に前記指紋データの合成が妥当であると判断する検証を、該合成指紋データの特徴点の個数が所定の範囲内であることと、該合成指紋データの Further, the fingerprint fingerprint data synthesizing apparatus of the present invention extracts a feature point from each of the plurality of fingerprint images, the information relating to the extracted the feature points and feature point data, including the feature point data for each of the fingerprint image a fingerprint data extraction section for creating data, between each other of the plurality of fingerprint data, based on the positional relationship of the feature points, the same or substantially the same with respect to a common predetermined reference position in two or more fingerprint data the common feature point searching unit that searches a feature point at the position as a common feature point, the fingerprint data synthesis unit which synthesizes fingerprint data to create a composite fingerprint data based on the common feature points, the synthetic fingerprint data the verification synthesis before Symbol fingerprint data is determined to be valid if it meets the predetermined type, and that the number of feature points of the synthetic fingerprint data is within a predetermined range, of the synthetic fingerprint data 徴点が所定の領域内に存在することと、該合成指紋データの特徴点が指紋中心付近で1つのグループをなして存在することと、該合成指紋データの特徴点の関係情報が合成指紋データにおける他の特徴点の関係情報と整合がとれていることのいずれかを含む前記所定の類型について行なう検証部とをそなえて構成されたことを特徴としている。 And the feature points are present in a given area, it and, the synthetic fingerprint related information synthesized fingerprint data of feature points data feature points of the synthetic fingerprint data is present no one group near the center of fingerprints in it is characterized by being configured to include a verification unit for performing the predetermined type, including any of what is consistent with relationship information for other feature points. このとき、該指紋データ合成部が、該共通特徴点探索部により共通特徴点として対応づけられた特徴点のうち一つを選択し、選択された特徴点で合成指紋データを構成してもよい。 In this case, the fingerprint data synthesis section selects one of the correspondence obtained feature point as a common feature point by the common feature point search unit may be configured to synthesize the fingerprint data by the feature point selected .
【0015】 [0015]
なお、該検証部が、前記妥当性を有する指紋データの類型に該合成指紋データが合致する度合いを表す評価値を該合成指紋データに基づいて算出し、該評価値を該指紋合成データが前記類型に合致しない場合に小さくし、該評価値が所定値以上である場合に、該指紋データ合成部による指紋データの合成を妥当と判断してもよい。 Incidentally, the verification unit, an evaluation value representing the degree to which the synthetic fingerprint data matches the type of the fingerprint data having the validity calculated based on the synthetic fingerprint data, the evaluation value is the fingerprint synthesis data the reduced if not match the type, if the evaluation value is a predetermined value or more, it may be considered appropriate synthesis of fingerprint data by the fingerprint data synthesizing unit. また、該検証部が、前記妥当性を有する指紋データの類型のうち2つ以上の類型について該指紋合成データが合致するかを判断する場合に、それぞれの類型との合致度合いに基づいた評価値の合計値が所定の範囲内である場合に該指紋データ合成部による指紋データの合成が妥当であると判断してもよい。 Also, the verification unit, when determining whether fingerprint synthesis data matches for two or more types of the types of the fingerprint data having the validity evaluation value based on the degree of matching between each type the total value of it may be determined that it is reasonable synthesis of fingerprint data by the fingerprint data synthesizing unit when it is within a predetermined range.
一方、該複数の指紋データにおける各特徴点が正しい特徴点である程度を表す信頼度を該特徴点の特徴点データに基づいて算出し、抽出された特徴点が誤特徴点であると判断される特徴点データの類型と合致するほど該信頼度を小さくする特徴点信頼度算出部をそなえ、該信頼度が所定値以上の特徴点のみを用いて、該共通特徴点探索部が共通特徴点を探索し、該指紋データ合成部が合成指紋データを作成してもよい。 On the other hand, it is determined that calculated based on the reliability of degree is each feature point is correct feature point in the fingerprint data of the plurality of the feature point data of the feature points, extracting feature points are characteristic points erroneous includes a feature point reliability calculation unit to reduce the reliability enough to match the type of feature data, the reliability using only feature point more than a predetermined value, the common feature point search unit common minutia searched, the fingerprint data synthesizing section may generate a composite fingerprint data. このとき、該指紋データ合成部が、該共通特徴点探索部により共通特徴点として対応づけられた特徴点のうち一つを選択し、該共通特徴点探索部により共通特徴点として対応づけられなかった特徴点を選択し、選択された特徴点で合成指紋データを構成してもよい。 In this case, fingerprint data synthesizing section selects one of the correspondence obtained feature point as a common feature point by the common feature point searching unit, not associated as a common feature point by the common feature point search unit and the feature point to select may constitute a synthetic fingerprint data feature points selected.
【0016】 [0016]
また、 指紋データ合成部が、該特徴点信頼度算出部によって算出された信頼度を参照し、該共通特徴点の中から該信頼度が最も高い特徴点を合成指紋データの特徴点としてもよく、この場合、該特徴点信頼度算出部は、各特徴点の方向と隆線の方向とに基づく前記信頼度を、該特徴点の方向と隆線の方向とが異なるほど小さくしてもよいし、各特徴点から近辺の他の特徴点までの隆線長または距離に基づ前記信頼度を、該隆線長又は該距離が所定値よりも短い他の特徴点が多いほど小さくしてもよいし、各特徴点から近辺の隆線までの距離に基づ前記信頼度を、該特徴点から該隆線までの距離が指紋全体に見られる隆線の間隔よりも短いときに小さくしてもよいし、各特徴点と近辺の他の特徴点との位置関係に基づ前記信頼度を、該 Further, the fingerprint data synthesis section refers to the reliability calculated by the feature point reliability calculation section, the highest minutia said reliability is a characteristic point of the synthetic fingerprint data from said common point, characterized and rather it may also, in this case, the minutia reliability calculation unit, the confidence level based on the direction of the direction and ridge of each feature point, as the direction of the direction and ridge of the feature points are different small may be, the ridge length or based rather the reliability of the distance to the other feature points in the vicinity of the respective characteristic points,該隆line length or the distance other feature points is shorter than a predetermined value may be reduced the more, the based rather the reliability of the distance to the ridge in the vicinity from each feature point, the distance from the feature point to該隆line than the distance between the ridges found in whole fingerprint may be reduced with even shorter, the reliability rather based on the positional relationship between the other feature point in the vicinity of each feature point, the 徴点と他の特徴点を通る複数の直線が等しいもしくはほぼ等しい傾きを有する場合に小さくしてもよい。 And small when a plurality of straight lines are equal or nearly equal slopes through the feature points and other feature points but it may also.
【0017】 [0017]
さらに、該複数の指紋データの各特徴点について、該特徴点の特徴点データと、該特徴点と異なる指紋データに含まれる他の特徴点の特徴点データとが一致するかを判断する照合部をそなえ、該特徴点信頼度算出部が該複数の指紋データの各特徴ついて該照合部による照合結果に基づいて前記信頼度を算出し、照合一致回数が多い、又は一致度合いが大きいほど前記信頼度を大きくしてもよく、この場合、該特徴点信頼度算出部は、照合対象の二つの特徴点について位置,種類および方向を該照合部により照合した結果のうちの少なくとも一つに基づいて、前記信頼度を算出してもよいし、照合対象の二つの特徴点について、各照合対象特徴点の関係情報についての特徴点データである特徴点関係データを該照合部により照合した結 Furthermore, for each feature point of the fingerprint data of plurality of, the feature point data of the feature points, the matching unit to determine whether the feature data of the other feature points included in the different fingerprint data with the feature point matches the equipped, the minutia reliability calculation section calculates the reliability based on the collation result of the collating unit attached to each of the feature points of the fingerprint data of the plurality of collation matching a large number of times, or greater matching degree as the rather good even when the reliability is increased, this case, the minutia reliability calculation section, for the two feature points to be matched, the position, type and orientation of at least one of the result of the collation by the collating unit based on one, the reliability may be calculated, for the two feature points to be matched, by collating unit feature point related data is characteristic data of the relationship information for each comparison target feature point collated sintered に基づいて、前記信頼度を算出してもよい。 Based on, but it may also be calculated the reliability.
【0018】 [0018]
前記特徴点関係データとしては、 照合対象特徴点と同一の指紋データに含まれる他の特徴点の位置,種類および方向のうちの少なくとも一つを用いてもよいし、前記の各照合対象特徴点から該他の特徴点までの隆線の本数を用いてもよいし、前記の各照合対象特徴点から隆線を介した該他の特徴点までの接続パターンを用いてもよい。 As the feature point related data, the position of the other feature points included in the comparison target feature points and the same fingerprint data, may be used at least one of type and direction, the verification object feature points of the may be used the number of ridges to said other feature points from, but it may also be used to connect the pattern from the verification object feature points of the up said other feature points through the ridge.
【0019】 [0019]
また、該特徴点信頼度算出部が、各特徴点について、周囲に存在する他の特徴点のうち信頼度が所定値以下である特徴点の割合に応じて、信頼度を下げるように構成してもよい。 Further, the feature point reliability calculation section, for each feature point, in accordance with the ratio reliability of the feature points is less than the predetermined value of the other feature points existing around, configured to reduce the confidence even if the good.
さらに、該指紋データ合成部が、 共通特徴点として対応づけられた特徴点の特徴点関係データについて該照合部により照合した結果を参照し、発生頻度が高い特徴点関係データを該合成指紋データにおける該特徴点の特徴点関係データとしてもよい。 Furthermore, fingerprint data synthesizing unit refers to the result of the collation by the collating unit for the feature point related data correlated obtained feature points, the high frequency characteristic point related data in the composite fingerprint data as a common feature point but it may also as a feature point relationship data of the feature points.
【0020】 [0020]
またさらに、該指紋データ合成部が該合成指紋データを作成する際、該複数の指紋データに共通に含まれている特徴点を基準にして、該合成指紋データを成す特徴点相互の位置合わせを行なってもよいし、該指紋画像から求められる指紋中心を基準にして、該合成指紋データを成す特徴点相互の位置合わせを行なってもよいし、作成中の該合成指紋データに含まれる特徴点の中から選択した特徴点を基準にして、該合成指紋データを成す特徴点相互の位置合わせを行なってもよい。 Furthermore, when the fingerprint data synthesizing unit creates said synthesized fingerprint data, based on the feature points included in common in the plurality of fingerprint data, the alignment of the feature point cross forming the synthetic fingerprint data may be carried out, based on the center of fingerprints obtained from the fingerprint image, it may be carried out positioning of the feature point cross forming the synthetic fingerprint data, feature points contained in the synthetic fingerprint data being created based on the selected feature points from among, but it may also be performed alignment of the feature point cross forming the synthetic fingerprint data.
【0021】 [0021]
そして、本発明の指紋データ合成プログラムは、複数の指紋画像のそれぞれから特徴点を抽出することによりその特徴点についての情報を含む指紋データを前記指紋画像毎に作成する指紋データ抽出部、該複数の指紋データの相互間で、特徴点の位置的な対応関係に基づき、2以上の指紋データにおいて共通の所定基準位置に対して同一もしくはほぼ同一の位置に存在する特徴点を共通特徴点として探索する共通特徴点探索部、該共通特徴点探索部により共通特徴点として対応づけられた特徴点のうち一つの特徴点を合成指紋データの特徴点とすることにより、合成指紋データを作成する指紋データ合成部、および、該合成指紋データが所定の類型に合致する場合に該合成指紋データが妥当であると判断する検証を、該合成指紋データの特徴 Then, the fingerprint data synthesizing program of the present invention, the fingerprint data extraction section for creating the fingerprint data including information about the feature points for each of the fingerprint images by extracting feature points from each of the plurality of fingerprint images, said plurality of between each other fingerprint data, based on the positional relationship of the feature points, the search feature points existing in the same or substantially the same position with respect to a common predetermined reference position in two or more fingerprint data as a common feature point common feature point search unit, by one of the feature points of the correspondence obtained feature points and feature points of the synthetic fingerprint data as a common feature point by the common feature point searching unit, the fingerprint data to create a composite fingerprint data synthesis unit, and a verification the synthetic fingerprint data is determined to be appropriate when the composite fingerprint data matches the predetermined type characteristic of the synthetic fingerprint data の個数が所定の範囲内であることと、該合成指紋データの特徴点が所定の領域内に存在することと、該合成指紋データの特徴点が指紋中心付近で1つのグループをなして存在することと、該合成指紋データの特徴点の関係情報が合成指紋データにおける他の特徴点の関係情報と整合がとれていることのいずれかを含む前記所定の類型について行なう検証部として、コンピュータを機能させることを特徴としている。 And that the number of is within a predetermined range, and the characteristic point of the synthetic fingerprint data exists in the predetermined area, the feature point of the synthetic fingerprint data is present no one group near the center of fingerprints it and, as a verification unit for performing the predetermined type, including any of the related information of the feature points of the synthetic fingerprint data are is consistent with relationship information of other feature points in the synthetic fingerprint data, the computer functions It is characterized in that to. また、本発明のコンピュータ読取可能な記録媒体には、上述した指紋データ合成プログラムが記録される。 Further, the computer-readable recording medium of the present invention, the fingerprint data synthesis program described above is recorded.
【0022】 [0022]
一方、本発明の関連技術である生体特徴データ合成方法は、同一の生体から得られた複数の生体情報のそれぞれから特徴要素を抽出することによりその特徴要素についての情報を含む生体特徴データを前記生体情報毎に作成し、複数の生体特徴データの相互間で特徴要素の位置的な対応関係に基づき2以上の生体特徴データにおいて共通の所定基準位置に対して同一もしくはほぼ同一の位置に存在する特徴要素を共通特徴要素として探索し、該共通特徴要素の探索により共通特徴要素として対応づけられた特徴要素のうち一つの特徴要素を合成生体特徴データの特徴要素とすることにより合成生体特徴データを作成し、該合成生体特徴データが生体特徴データとして妥当である類型に合致する場合に該合成生体特徴データが妥当であると判断 On the other hand, the biometric characteristic data synthesizing process is a related art of the present invention, the biometric characteristic data containing information about the feature elements by extracting feature elements from each of a plurality of biometric information obtained from the same biological create for each biometric information present in the same or substantially the same position with respect to a common predetermined reference position in two or more biometric characteristic data on the basis of the positional relationship of the feature elements between each other of the plurality of biometric characteristic data explore the feature elements as a common feature element, the synthetic biometric data by the feature elements of one characteristic compositional biometric characteristic data of the correspondence obtained characteristic elements as a common feature element through searching the common feature elements create, it determines that the synthetic biometric characteristic data is valid when the synthetic biometric data matches the type is appropriate as a biometric characteristic data ることを特徴としている。 It is characterized in Rukoto.
【0023】 [0023]
【発明の実施の形態】 DETAILED DESCRIPTION OF THE INVENTION
以下、図面を参照して本発明の実施の形態を説明する。 Hereinafter, with reference to the drawings illustrating the embodiments of the present invention.
〔1〕第1実施形態の説明図1は本発明の第1実施形態としての指紋データ合成装置の機能構成を示すブロック図であり、この図1に示す第1実施形態の指紋データ合成装置1は、指紋データ抽出部10,指紋データ記憶部20,共通特徴点探索部30,指紋データ合成部40および検証部50を有して構成されている。 [1] Description of First Embodiment FIG. 1 is a block diagram showing a functional configuration of a fingerprint data synthesizing apparatus according to the first embodiment of the present invention, the fingerprint data synthesis device 1 of the first embodiment shown in FIG. 1 the fingerprint data extraction section 10, a fingerprint data storage unit 20, the common feature point searching unit 30 is configured to have a fingerprint data synthesis section 40 and the verification unit 50.
【0024】 [0024]
ここで、本実施形態の指紋データ合成装置1は、CPU,RAM,ROMなどをバスラインにより接続して構成される、パソコン等のコンピュータシステムにより実現されるものである。 Here, the fingerprint data synthesis device 1 of this embodiment, CPU, RAM, configured ROM and the like are connected by a bus line, is realized by a computer system such as a personal computer.
つまり、RAMやROMが指紋データ記憶部20としての機能を果たすほか、RAMには、指紋データ抽出部10,共通特徴点探索部30,指紋データ合成部40および検証部50を実現するためのアプリケーションプログラムが格納されている。 In other words, in addition to RAM or ROM will serve as a fingerprint data storage unit 20, the RAM, applications for realizing a fingerprint data extraction section 10, the common feature point searching unit 30, the fingerprint data synthesis section 40 and the verification unit 50 program is stored.
【0025】 [0025]
そして、CPUが、上記アプリケーションプログラムを実行することにより、指紋データ抽出部10,共通特徴点探索部30,指紋データ合成部40および検証部50としての機能(その詳細については後述)が実現され、第1実施形態の指紋データ合成装置1が実現されるようになっている。 Then, CPU is by executing the application program, the fingerprint data extraction section 10, the common feature point searching unit 30, functions as a fingerprint data synthesis section 40 and the verification unit 50 (details thereof will be described later) is realized, fingerprint data synthesizing apparatus 1 of the first embodiment is adapted to be realized.
【0026】 [0026]
この第1実施形態の指紋データ合成装置1を実現するためのプログラムは、例えばフレキシブルディスク,CD−ROM等の、コンピュータ読取可能な記録媒体に記録された形態で提供される。 The program for realizing the fingerprint data synthesizing apparatus 1 of the first embodiment, for example, a flexible disk, such as a CD-ROM, and is provided in a format recorded on a computer-readable recording medium. そして、コンピュータはその記録媒体からプログラムを読み取って内部記憶装置または外部記憶装置に転送し格納して用いる。 Then, the computer uses that program after transferring it to an internal storage device or an external storage device reads the program from the recording medium. また、そのプログラムを、例えば磁気ディスク,光ディスク,光磁気ディスク等の記憶装置(記録媒体)に記録しておき、その記憶装置から通信経路を介してコンピュータに提供してもよい。 Further, the program may be a magnetic disk, an optical disk, may be recorded in a storage device such as a magneto-optical disk (recording medium) may be provided to the computer via a communication path from the storage device.
【0027】 [0027]
そして、第1実施形態の指紋データ合成装置1としての機能をコンピュータにより実現する際には、内部記憶装置(例えばRAM)に格納された上記プログラムがコンピュータのマイクロプロセッサ(例えばCPU)によって実行される。 Then, when realizing the function as fingerprint data synthesizing apparatus 1 of the first embodiment by a computer, the program stored in the internal storage device (e.g. RAM) is executed by the microprocessor of the computer (e.g., CPU) . このとき、記録媒体に記録されたプログラムをマイクロプロセッサが直接読み取って実行してもよい。 In this case, the program recorded on the recording medium by the microprocessor may be executed directly read.
【0028】 [0028]
なお、本実施形態において、コンピュータとは、ハードウェアとオペレーションシステムとを含む概念であり、オペレーションシステムの制御の下で動作するハードウェアを意味している。 In the present embodiment, a computer is a concept including hardware and an operating system, and means hardware that operates under the control of the operating system. また、オペレーションシステムが不要でアプリケーションプログラム単独でハードウェアを動作させるような場合には、そのハードウェア自体がコンピュータに相当する。 Further, when the operating system is such as to an application program operates hardware independently of an OS, the hardware corresponds to the computer. ハードウェアは、少なくとも、CPU等のマイクロプロセッサと、記録媒体に記録されたコンピュータプログラムを読み取るための手段とをそなえている。 Hardware includes at least a microprocessor such as a CPU and means for reading a computer program recorded in a recording medium.
【0029】 [0029]
上記アプリケーションプログラムは、このようなコンピュータに、指紋データ抽出部10,共通特徴点探索部30,指紋データ合成部40および検証部50としての機能を実現させるプログラムコードを含んでいる。 The application program, such a computer, includes program code for realizing the function as a fingerprint data extraction section 10, the common feature point searching unit 30, the fingerprint data synthesis section 40 and the verification unit 50. また、その機能の一部は、アプリケーションプログラムではなくオペレーションシステムによって実現されてもよい。 Also, some of the functions may be realized by the operating system rather than the application program.
【0030】 [0030]
さらに、本実施形態における記録媒体としては、上述したフレキシブルディスク,CD−ROM,磁気ディスク,光ディスク,光磁気ディスクのほか、ICカード,ROMカートリッジ,磁気テープ,パンチカード,コンピュータの内部記憶装置(RAMやROMなどのメモリ),外部記憶装置等や、バーコードなどの符号が印刷された印刷物等の、コンピュータ読取可能な種々の媒体を利用することができる。 Further, as the recording medium in the present embodiment, the above-mentioned flexible disk, CD-ROM, magnetic disk, optical disk, in addition to the magneto-optical disks, IC cards, ROM cartridges, magnetic tapes, punch cards, internal storage devices (RAM and memory such as ROM), and external storage device or the like, a printed matter which codes are printed, such as a bar code, it is possible to utilize various computer-readable medium.
【0031】 [0031]
さて、図1に示す第1実施形態の指紋データ合成装置1は、指紋を用いて個人確認を行なうシステムにおいて実際に個人認証を行なう際に使用される照合用指紋データ(登録指紋データ)を、複数の指紋画像から合成・作成するためのものである。 Now, the fingerprint data synthesis device 1 of the first embodiment shown in FIG. 1, the verification fingerprint data to be used when actually performing the personal authentication in a system which performs personal check with a fingerprint (registration fingerprint data), it is for creating synthesis and a plurality of fingerprint images.
【0032】 [0032]
このような指紋データ合成装置1において、指紋データ抽出部10は、指紋スキャナ2に接続され、この指紋スキャナ2からの複数の指紋画像のそれぞれから特徴点を抽出することにより、その特徴点についての情報を含む指紋データを、指紋画像毎に作成するものである。 In such a fingerprint data synthesizing apparatus 1, the fingerprint data extraction section 10 is connected to the fingerprint scanner 2, by extracting feature points from each of the plurality of fingerprint images from the fingerprint scanner 2, for that feature points the fingerprint data including information, is to create for each fingerprint image.
【0033】 [0033]
ここで、特徴点とは、指紋隆線の端点〔図12( )参照〕や分岐点〔図12( )参照〕である。 Here, the feature point is a terminal point of the fingerprint ridge [FIG 12 (A) refer to Fig or branch points [see FIG. 12 (B)]. 特徴点を抽出する際、指紋データ抽出部10は、各指紋画像から特徴点のみだけでなく、指紋隆線方向や特徴点間距離のほか、指紋特徴点間の隆線本数を含む関係情報なども抽出し、指紋データに含ませる。 When extracting the feature point, the fingerprint data extraction section 10, not only the feature points from each fingerprint image, in addition to the distance between the fingerprint ridge direction and the feature point, such as relationship information including a ridge number between fingerprint characteristic points also extracted, it included in the fingerprint data.
なお、指紋スキャナ2は、指を特殊な光学系に接触させて得られる像をCCDカメラで撮影したり、静電容量センサで皮膚の隆起部分のみを検出したりして、指紋紋様(指紋隆線)を指紋画像として採取するものである。 Incidentally, the fingerprint scanner 2, or photographing an image obtained by contacting the finger in a special optical system in a CCD camera, or by detecting only the raised portion of the skin with the electrostatic capacitance sensor, fingerprint pattern (fingerprint Takashi in which collecting line) as the fingerprint image.
【0034】 [0034]
また、複数の指紋画像を指紋スキャナ2により採取する際には、指を指紋入力領域(図6〜図9の符号100参照)に接触させることになるが、指を接触させた状態のままで連続して複数の指紋画像を採取するのではなく、1つの指紋画像を採取する都度、同じ指を指紋スキャナ2の指紋入力領域に接触し直してから次の指紋画像を採取するようにする。 Also, when taking a plurality of fingerprint images by the fingerprint scanner 2 is thereby contacting the finger on the input area (reference numeral 100 in FIGS. 6-9), in the state contacting the finger rather than taking a plurality of fingerprint images in succession, each time collecting the one fingerprint image, the same finger from re-contacting the fingerprint input area of ​​the fingerprint scanner 2 so as to collect the next fingerprint image. これにより、同じ指について、それぞれ異なる状態(例えば汗等の付着状態)で複数の指紋画像を得ることができる。 Thus, for the same finger, it is possible to obtain a plurality of fingerprint images in different states (e.g., deposition conditions such as sweat). 指紋画像を採取する回数は例えば2〜4回とする。 Number of times to collect the fingerprint image is 2 to 4 times, for example.
【0035】 [0035]
指紋データ記憶部20は、指紋データ抽出部10により作成された複数の指紋データを記憶するものである。 Fingerprint data storage unit 20 is configured to store a plurality of fingerprint data created by the fingerprint data extraction section 10.
共通特徴点探索部30は、指紋データ記憶部20に格納された複数の指紋データを参照し、これらの指紋データの相互間で特徴点の対応関係を調査することにより、2以上の指紋データに共通に含まれる同一の特徴点を共通特徴点として探索するものである。 Common feature point searching unit 30 refers to the plurality of fingerprint data stored in the fingerprint data storage unit 20 by examining the correspondence between the feature points between each other of these fingerprint data, the two or more fingerprint data it is intended to explore the same feature point as a common feature points contained in common.
【0036】 [0036]
指紋データ合成部40は、共通特徴点探索部30により探索された共通特徴点の中の一つを、共通特徴点を代表する特徴点として選択することにより、複数の指紋データを一つに合成して合成指紋データを作成するものである。 Fingerprint data synthesizing section 40, synthesis of one of the common feature points is searched by a common feature point searching unit 30, by selecting the feature points representing the common feature points, the one plurality of fingerprint data it is intended to create a composite fingerprint data. このようにして複数の指紋データと共通特徴点情報とから、個々の特徴点単位で指紋合成が行なわれる。 This way, the plurality of fingerprint data and the common feature point information, the fingerprint synthesis is performed on an individual feature point units. そして、指紋データ合成部40により作成された合成指紋データは図示しない記憶部に格納される。 Then, the synthetic fingerprint data created by the fingerprint data synthesis section 40 is stored in the storage unit, not shown. この記憶部は、指紋データ合成部40に内蔵されていてもよい。 The storage unit may be incorporated in the fingerprint data synthesis section 40.
【0037】 [0037]
検証部50は、指紋データ合成部40により作成された最終的な合成指紋データの妥当性を検証するもの、つまり、指紋合成後にその合成結果が妥当な指紋データを形成するか否かを検証するものである。 Verification unit 50 verifies the validity of the final synthesized fingerprint data created by the fingerprint data synthesis unit 40, i.e., it verifies whether the combined results after the fingerprint synthesis to form a reasonable fingerprint data it is intended.
ここで、検証部50は、最終的な合成指紋データについて、例えば、以下の4項目のうちの少なくとも一つを確認することにより、その最終的な合成指紋データの妥当性を検証する。 Here, the verification unit 50, for final synthesized fingerprint data, for example, by checking at least one of the following four items, to verify the validity of the final synthesized fingerprint data.
【0038】 [0038]
(a1)合成指紋データにおける特徴点の存在領域(存在範囲)の妥当性 (A1) the validity of the presence area of ​​the feature point in the synthetic fingerprint data (existing range)
(a2)合成指紋データにおける特徴点の存在の偏りの妥当性 (A2) validity of bias of the presence of minutiae in synthetic fingerprint data
(a3)合成指紋データにおける特徴点どうしの関係情報の妥当性 (A3) the validity of the relationship information of the feature points with each other in synthetic fingerprint data
(a4)合成指紋データにおける特徴点の個数(多過ぎ,少な過ぎ)の妥当性なお、これらの妥当性(a1)〜(a4)に基づく検証部50による具体的な検証手法については、図6〜図9を参照しながら後述する。 (A4) (only many little too) the number of feature points in synthetic fingerprint data validity of The specific verification method by the verification unit 50 based on these validity (a1) ~ (a4), 6 It is described later with reference to ~ 9.
【0039】 [0039]
このとき、検証部50は、上記4種類の妥当性をそれぞれ数値的に評価・確認し、その各種妥当性の評価値に応じて合成指紋データの妥当性を決定するが、その際、上記4種類のうちの一つの妥当性のみを検証のために用いる場合には、その妥当性についての評価値が所定の範囲内に入っている否かを判定する一方、上記4種類のうちの2以上の妥当性を検証のために用いる場合には、それらの妥当性についての評価値の合計値が所定の範囲内に入っている否かを判定する。 At this time, the verification unit 50, the four types of validity for each numerically evaluated and confirmed, will determine the validity of the synthetic fingerprint data in accordance with the evaluation value of the various validity time, the 4 when using only one validity of the type for verification, while determining whether the evaluation value for its validity is within the predetermined range, two of the four when used for verification of the above validity, it determines whether the total value of the evaluation value for their validity is within a predetermined range.
【0040】 [0040]
そして、検証部50は、評価値(もしくはその合計値)が所定の範囲内に入っている場合、その合成指紋データ(合成結果)が妥当な指紋データを形成する、つまり指紋合成に成功したものと判定し、その合成指紋データを外部へ出力したり内蔵記憶部(図示略)に格納したりする。 Then, the verification unit 50, when the evaluation value (or total value thereof) is within the predetermined range, the composite fingerprint data (synthesis results) forms a reasonable fingerprint data, that is what a successful fingerprint synthesis determines that, or stores the synthesized fingerprint data in the built-in storage unit and outputs to the outside (not shown). 一方、検証部50は、評価値(もしくはその合計値)が上記所定の範囲外である場合、その合成指紋データ(合成結果)は妥当な指紋データを形成しない、つまり、指紋合成に失敗したものと判定し、その合成指紋データを破棄する。 On the other hand, the verification unit 50, when the evaluation value (or total value thereof) is outside the predetermined range, the composite fingerprint data (synthesis result) does not form a valid fingerprint data, that is, to have failed the fingerprint synthesis It determines that discards the synthetic fingerprint data.
【0041】 [0041]
次に、図2に示すフローチャート(ステップS1〜S4)を参照しながら、第1実施形態の指紋データ合成手順について説明する。 Next, with reference to a flowchart (steps S1 to S4) shown in FIG. 2 will be described fingerprint data synthesis procedure of the first embodiment.
まず、指紋スキャナ2により同じ指について採取された複数の指紋画像は、それぞれ、指紋データ抽出部10に入力され、この指紋データ抽出部10により、各指紋画像から、特徴点(端点,分岐点),指紋隆線方向,特徴点間距離,特徴点間隆線長や、指紋特徴点間の隆線本数を含む関係情報などが抽出されて、指紋データが作成される(ステップS1)。 First, a plurality of fingerprint images by the fingerprint scanner 2 taken for the same finger, respectively, are inputted to the fingerprint data extraction section 10, by the fingerprint data extraction section 10, from the fingerprint image, feature points (end points, branch points) , fingerprint ridge direction, distances between the feature points, and between the feature points ridge length, such relationship information including a ridge number between fingerprint characteristic point is extracted, the fingerprint data is created (step S1). 指紋画像毎に作成された指紋データは、指紋データ記憶部20に格納される。 Fingerprint data created for each fingerprint image is stored in the fingerprint data storage unit 20.
【0042】 [0042]
そして、共通特徴点探索部30により、指紋データ記憶部20に格納された複数の指紋データの相互間での特徴点の対応関係が調査される(ステップS2)。 Then, the common feature point searching unit 30, the correspondence between feature points between each other of the plurality of fingerprint data stored in the fingerprint data storage section 20 is examined (step S2).
なお、共通特徴点探索部30による特徴点の対応関係の調査は、同一の指に対し行なわれることが初めから分かっているので、指紋照合のように厳密なものではなく、複数の指紋データにおける共通の所定基準位置(例えば指紋中心など)に対して同一もしくはほぼ同一の位置に存在する特徴点があるか否かに基づいて行なわれ、位置的な条件のみによって特徴点の対応関係が判断される。 Incidentally, the study of the relationship of the feature points using a common feature point search section 30, so to be performed for the same finger are known from the beginning, rather than strict ones as fingerprint matching, in a plurality of fingerprint data it is made based on whether there is a feature point present in the same or substantially the same position with respect to a common predetermined reference position (e.g., the center of fingerprints, etc.), correspondence between feature points is determined only by the position conditions that.
【0043】 [0043]
複数の指紋データは、前述した通り同じ指について得られたものであるから、当然、同一の特徴点に関する情報が、2以上の指紋データに含まれている場合がある。 A plurality of fingerprint data, since it is those obtained for the same finger as described above, of course, there is a case where information relating to the same feature points are included in two or more fingerprint data.
そこで、第1実施形態の指紋データ合成装置1では、共通特徴点探索部30により、2以上の指紋データに共通に含まれている同一の特徴点を、共通特徴点として調査・抽出した場合、指紋データ合成部40により、共通特徴点探索部30で得られた共通特徴点情報から、特徴点が重複しないように特徴点データをまとめ、一つの合成指紋データが作成される(ステップS3)。 Accordingly, the fingerprint data synthesizing apparatus 1 of the first embodiment, the common feature point searching unit 30, if the same feature points in two or more fingerprint data contained in common, and research and extracted as a common feature points, the fingerprint data synthesizing unit 40, from the common feature point information obtained by the common feature point searching unit 30, feature points collectively characteristic data so as not to overlap, one synthetic fingerprint data is created (step S3).
【0044】 [0044]
つまり、指紋データ合成部40は、2以上の指紋データに共通に含まれている同一の特徴点が存在する場合には、共通特徴点の中の一つを、共通特徴点を代表する特徴点として選択し、複数の指紋データを一つに合成して合成指紋データを作成する。 That is, the fingerprint data synthesis section 40, when the same feature point included in common in two or more fingerprint data is present, the one of the common feature points, the feature point representing the common feature points selected as, by combining a plurality of fingerprint data in one to create a composite fingerprint data.
【0045】 [0045]
なお、指紋データ合成部40での具体的な特徴点選択手法については、第2実施形態や第3実施形態で後述する。 The specific feature point selection techniques on the fingerprint data synthesis unit 40 will be described later in the second embodiment and the third embodiment.
また、指紋の採取状態によっては、ある一つの指紋データだけに含まれ他の指紋データには含まれていない特徴点が存在する場合もある。 Also, depending on the harvesting conditions of the fingerprint, there is a case where feature points not included in the other fingerprint data included only one certain fingerprint data exists. そのような場合、指紋データ合成部40は、その特徴点が正しい特徴点としての条件を満たしていれば、その特徴点に関する情報を、合成指紋データに含ませる。 In such a case, the fingerprint data synthesis unit 40, if they meet the conditions of the feature points as the correct feature point, information about the feature points, included in the synthetic fingerprint data.
【0046】 [0046]
そして、最後に、指紋データ合成部40による合成結果(合成指紋データ)が妥当な指紋データを形成しているか否かが、検証部50により検証される(ステップS4)。 And, finally, whether synthesis result by the fingerprint data synthesis section 40 (Synthesis fingerprint data) form a valid fingerprint data is verified by the verification unit 50 (step S4). その際、上述した4種類の妥当性のうちの少なくとも一つが数値的に評価・確認され、その評価値が所定の範囲内に入っている場合、指紋合成に成功したものと判定され、その合成指紋データが、指紋データとして利用される。 At that time, at least one of the validity of the four types described above numerically evaluated and confirmed, if the evaluation value is within the predetermined range, it is judged as a successful fingerprint synthesis, a synthesis fingerprint data is used as a fingerprint data. これに対し、評価値が上記所定の範囲外である場合、指紋合成に失敗したものと判定され、その合成指紋データは、指紋データとして利用されることなく破棄される。 In contrast, if the evaluation value is out of the predetermined range, it is determined to have failed the fingerprint synthesis, a synthesis fingerprint data is discarded without being utilized as a fingerprint data.
【0047】 [0047]
ところで、指紋画像は、専用の指紋スキャナ2で読み取られる。 Meanwhile, the fingerprint image is read by a dedicated fingerprint scanner 2. この指紋スキャナ2としては、CCDなどの撮像素子と特殊な光学系とを組み合わせたものや、半導体チップを用いて直接指から指紋画像を読み取るものなど、いくつかの方式がある。 As the fingerprint scanner 2, and a combination of an imaging device and a special optical system such as CCD, such as reading a fingerprint image directly from a finger by using a semiconductor chip, there are a number of ways. しかし、どの方式も常に明瞭な指紋画像を採取できるとは限らない。 However, not necessarily with any method can also be collected always clear fingerprint image. 指が汗ばんでいたり乾燥していたりする場合や、指にタコや磨耗が発生している場合には、明瞭な指紋画像を採取できないことがある。 And if they happen to dry or not the finger is sweaty, when the octopus and wear has occurred in the finger may not be able to collect a clear fingerprint image.
【0048】 [0048]
明瞭に隆線が写っていない指紋画像から指紋データを作成した場合、その指紋データには誤特徴点データが多く含まれ、指紋照合性能が低下する。 When you create a fingerprint data from clearly ridge Implied fingerprint image, that the fingerprint data contains many feature data erroneous, fingerprint matching performance decreases. 特に、システムに登録しておく登録指紋データに誤特徴点データが多く含まれていると、照合のたびにその誤特徴点データが影響し、著しく照合成功率が低下する。 In particular, the feature point data erroneous registration fingerprint data registering in the system when contained many, its mis feature point data is affected each time the collation, significantly collation success rate is lowered. また、指の端の部分しか写っていないなど、指紋の写っている領域が偏っている場合でも、指紋照合するために十分な特徴点データを得ることができなくなり照合成功率が低下してしまう。 Also, including not only reflected end portion of the finger, even if the biased a region that is reflected of the fingerprint, it becomes impossible to obtain sufficient minutia data matching success rate for fingerprint collation lowered .
【0049】 [0049]
そこで、従来では、同じ指の指紋画像を何回か採取しその中から隆線が明瞭に写っている指紋画像を選んで登録指紋データを作成したり、複数の指紋画像を合成し広範囲に写っている指紋画像を一旦作成してから登録指紋データを作成したりしている。 Thus, in the prior art, or to create a registration fingerprint data to choose the fingerprint image to the fingerprint image of the same finger several times taken ridges from among them is reflected in the clear, it reflected a multiple of the fingerprint image synthesis to a wide range the fingerprint image is once from to create is to create a registration fingerprint data. しかし、当然ながら、同じ指の指紋画像を複数回採取したからといって、明瞭に指紋が写っているものが必ず得られるというわけではない。 But, of course, the fingerprint image of the same finger just because more than once taken, not necessarily to obtain one that is reflected is clearly fingerprint. また、画像の合成では、合成することで却って指紋隆線の構造が破壊され、結果的に照合性能が低下してしまう場合もある。 Further, in the image synthesis, structure rather fingerprint ridge by synthesis is disrupted, resulting in verification performance sometimes deteriorates.
【0050】 [0050]
本発明では、複数の指紋データのそれぞれにおける個々の特徴点単位で正/誤特徴点を判定し、正特徴点を指紋データ合成部40により選択して合成することで、誤特徴点データの少ない指紋データを作成する。 In the present invention, to determine the positive / false feature points at each feature point based on each of the plurality of fingerprint data, a positive feature points by combining selected by the fingerprint data synthesis section 40, less feature data erroneously to create a fingerprint data. なお、正/誤特徴点の判定に際しては、第2実施形態や第3実施形態において後述する、各特徴点の信頼度が用いられる。 Note that when the determination of the positive / false feature point will be described later in the second embodiment and the third embodiment, the reliability of the feature points is used.
【0051】 [0051]
つまり、同じ指の指紋データを数個用意し、それらを合成して一つの指紋データを作成する。 That is, the fingerprint data of the same finger a few prepared, to create a single fingerprint data by combining them. その指紋合成時に、指紋データ合成部40では、誤った特徴点データ(誤特徴点データ)を検出して排除し、複数の指紋データを、正しい特徴点のみから構成される合成指紋データに再構成する。 When the fingerprint synthesis, the fingerprint data synthesizing unit 40, erroneous detection of minutia data (false feature point data) is eliminated, reconstruct the plurality of fingerprint data, the composite fingerprint data constituted only correct feature point to. その際、指紋の採取領域の異なる指紋データを合成することで、広範囲の特徴点を含んだ合成指紋データを作成することができるようになる。 In this case, by combining the different fingerprint data of collection area of ​​the fingerprint, it is possible to create a composite fingerprint data including a wide range of feature points. 上述のように複数の指紋データから作成した一つの指紋データは、誤った特徴点の情報が少なく、高い照合性能を実現できるようになる。 One fingerprint data created from a plurality of fingerprint data as described above, information of incorrect feature point is small, it becomes possible to achieve high matching performance. また、広範囲の特徴点データが含まれているため、安定した照合性能を実現できる。 Also, because it contains a wide range of feature data, it is possible to realize stable collation performance.
【0052】 [0052]
ここで、まず、指紋特徴点データと指紋照合方式との関係について説明する。 Here, first, a description will be given of the relationship between the fingerprint feature data and the fingerprint matching method.
通常、人の指紋には特徴点が30〜50個ほど存在し、その分布は人により全て異なる。 Normally, the human fingerprint exist feature point about 30-50 pieces, its distribution all different from person to person. 二つの指紋間でその分布が一致すれば、その指紋は同一の指紋だと判定される。 If the distribution is consistent between the two fingerprints, the fingerprint is determined to be a same fingerprint. 特徴点の分布の照合は、二つの指紋間でそれぞれの特徴点の位置や種類(端点/分岐点)や方向を比較することで行なう。 Matching the distribution of the feature points is performed by comparing the positions and types (end points / branch point) of the feature points and direction between the two fingerprints. また、特徴点と特徴点との間に存在する隆線本数や、特徴点どうしの隆線による繋がり模様も照合し、照合性能を向上させる場合もある。 Moreover, and ridges number that exists between the point and the feature point feature, also the verification lead pattern due ridges each other feature points, in some cases to improve the matching performance.
【0053】 [0053]
指紋データは、特徴点の位置,種類,方向を含む特徴点基本データと、その特徴点と他の特徴点との間に存在する隆線本数や隆線による繋がり模様等、他の特徴点との関係を表した特徴点関係データとの二つのデータから構成されている。 Fingerprint data, the position of the feature point, the type, the minutia basic data including direction, connection patterns due ridge number and ridges that exists between the feature points and other feature points, and other characteristic points and a relationship minutia relationship data representing the two data. 指紋には、特徴点が30〜50個ほど存在するので、指紋データにはこれらの特徴点データ(特徴点基本データと特徴点関係データ)が30〜50個程度含まれている。 The fingerprint, because feature points are present as 30 to 50 pieces, these feature data (basic data and the feature point related data feature points) are included 30-50 pieces fingerprint data.
【0054】 [0054]
指紋照合では、二つの指紋データ間で上記特徴点データを照合し、一致した特徴点の数が所定の値を超えた時などに指紋一致と判定する。 The fingerprint verification determines collates the feature point data between two fingerprint data, the number of matched feature points a fingerprint match, such as when exceeding the predetermined value. 例えば、特徴点データが30個ある二つの指紋データを個々の特徴点データについて照合し、そのうち10個の特徴点データが一致すれば、その二つの指紋データは、同一の指紋だと判定する。 For example, the two fingerprint data feature data is 30 collates for each feature point data, if of which coincides ten feature point data, the two fingerprint data, determines that it is the same fingerprint.
【0055】 [0055]
このように、指紋照合では、指紋データに含まれている特徴点データの全てが一致したときに指紋一致と判定するのではなく、通常、その一部が一致したときに指紋一致と判定する。 Thus determined, the fingerprint verification, rather than determining that a fingerprint match when all the feature data included in the fingerprint data coincide, usually, a fingerprint match when partially matched. この理由は、指紋データに含まれている特徴点データが全て正しいとは限らないからである。 This is because the characteristic point data included in the fingerprint data not all right.
既に述べたように、指紋データには、汗や皺,傷,乾燥の影響で、特徴点の抽出に失敗し、誤特徴点が含まれていることが多い。 As already mentioned, the fingerprint data, sweat and wrinkles, scars, under the influence of drying, Failed to extract feature points, often contain false feature points. また、指紋スキャナ2に対する指の置く位置が異なることで、同じ指の指紋データでも指紋の採取領域が異なり、相互に重畳しない領域から二つの指紋データが抽出される場合もある。 Also, by placing the finger against the fingerprint scanner 2 positions are different, different collection area of ​​the fingerprint in the fingerprint data of the same finger, there is a case where two fingerprint data from the region which does not overlap with each other is extracted. このような二つの指紋データ間では、特徴点データを照合することができない。 In between such two fingerprint data, it is impossible to match the feature point data.
【0056】 [0056]
指紋データに誤特徴点が多く含まれていたり、指紋採取領域が偏っていたりすると、高い照合性能を達成することが難しくなる。 Or it contains many feature points erroneous fingerprint data, and they happen biased fingerprint collection area, it is difficult to achieve high matching performance.
従って、誤特徴点が少なく、広範囲の特徴点データを含んでいる登録指紋データを作成することが望まれる。 Therefore, fewer false feature points, to create a registered fingerprint data including a wide range of feature data is desired. そこで、指紋データ合成部40において複数の指紋データを合成することにより、誤特徴点が少なく、広範囲の特徴点を含んだ指紋データを作成する。 Therefore, by combining a plurality of fingerprint data in the fingerprint data synthesizing unit 40, false feature point is small, to create a fingerprint data including a wide range of feature points.
【0057】 [0057]
ここで、図3〜図5を参照しながら、本実施形態の指紋データ合成原理について説明する。 Here, referring to FIGS. 3 to 5 will be described fingerprint data synthesizing principle of the present embodiment.
部分的に隆線構造のつぶれた指紋画像の例を図3に示す。 Examples of collapsed fingerprint image partially ridge structure shown in Figure 3. 例えば、汗のため隆線間に大量の癒着が発生した場合、図3の領域AR1内に示すように、網目状に隆線構造が検出され大量の誤特徴点が発生する。 For example, if a large amount of adhesion between the ridges for perspiration occurs, as shown in the area AR1 of FIG. 3, reticulated ridge structure is to detect that a large amount of false feature points are generated. このような誤特徴点を含んだまま登録指紋データを作成すると、明らかに正常な指紋照合が行なえなくなる。 By creating such an erroneous registration fingerprint data while including feature points, it can not be performed apparently normal fingerprint matching.
【0058】 [0058]
一方、同じ指の指紋画像として、例えば図4に示すようなものが得られたとする。 On the other hand, as the fingerprint image of the same finger, for example, those shown in FIG. 4 were obtained. 図4も図3と同じく部分的に隆線構造が破壊されており、正しい指紋データの生成はできない。 Figure 4 also Figure 3 and are also partially destroyed ridge structure can not generate the correct fingerprint data. しかし、図3に示す指紋画像のうち正しく隆線構造が抽出されている部分と、図4に示す画像のうち正しく隆線構造が抽出されている部分とをまとめると、図5に示すような、正しい特徴点のみを含む合成指紋画像を作成することができる。 However, a correct portion ridge structure is extracted out of the fingerprint image shown in FIG. 3, summarized and correctly portion ridge structure is extracted out of the image shown in FIG. 4, as shown in FIG. 5 , it is possible to create a composite fingerprint image that includes only the correct feature point. また、同様にして指紋データを合成することで、広範囲の特徴点データを含んだ指紋データを作成することができる。 Further, by combining the fingerprint data in the same manner, it is possible to create a fingerprint data including a wide range of feature data.
【0059】 [0059]
従来の技術では、指紋データを合成する際には、まず、指紋画像をそのまま合成して一つの指紋画像を作成してから、合成された一つの指紋画像から、指紋データを作成していた。 In the prior art, in the synthesis of fingerprint data, first create a single fingerprint image by directly synthesizing the fingerprint images, from the synthesized single fingerprint image and creates a fingerprint data.
これに対し、本発明では、それぞれの指紋画像を用いて指紋データを作成してから、指紋データを合成することで、誤特徴点データの少ない、広範囲の特徴点データを含んだ合成指紋データを作成している。 In contrast, in the present invention, create a fingerprint data using each of the fingerprint image, to synthesize the fingerprint data, less feature point data erroneous, the synthetic fingerprint data including a wide range of feature data Creating.
【0060】 [0060]
そして、本発明では、上述のごとく作成された合成指紋データについて、さらに、妥当なものであるか否かを検証することにより、合成指紋データ(登録指紋データ)としての信頼性を確保している。 In the present invention, the synthesis fingerprint data created as described above, further, by verifying whether or not reasonable, and ensure the reliability of the synthetic fingerprint data (registration fingerprint data) .
ここで、図6(A),図6(B),図7(A),図7(B),図8,図9および図34(A)〜図34(D)を参照しながら、本実施形態での合成指紋データの妥当性の検証手法について説明する。 Here, FIG. 6 (A), the FIG. 6 (B), the Fig. 7 (A), FIG. 7 (B), the 8, with reference to FIGS. 9 and 34 (A) ~ FIG 34 (D), the It explained validation technique synthetic fingerprint data in the embodiment. これらの図は、いずれも、合成指紋データに含まれる特徴点の、指紋スキャナ2の指紋入力領域(指を接触させる指紋採取面)100での分布状態を示している。 These figures are both synthetic feature points included in the fingerprint data shows the distribution in the fingerprint input region (fingerprint collection surface contacting the finger) 100 fingerprint scanner 2.
【0061】 [0061]
まず、図6(A)および図6(B)を参照しながら、合成指紋データにおける特徴点の存在領域(存在範囲)の妥当性について説明する。 First, with reference to FIGS. 6 (A) and FIG. 6 (B), described the appropriateness of the presence area of ​​the feature point in the synthetic fingerprint data (existing range).
図6(A)に示すように、全ての特徴点が、指紋入力領域100において、通常、指が押し当てられる領域F内に存在していれば、合成結果は妥当なものであると判断することができる。 As shown in FIG. 6 (A), all the feature points, in the fingerprint input region 100, typically, if present in the devoted region F pushing finger, synthesis result is determined to be reasonable be able to.
【0062】 [0062]
しかし、図6(B)に示すように、上記領域F外にも特徴点が存在する場合には、指紋合成に失敗している確率が高いものと判断することができる。 However, as shown in FIG. 6 (B), when there is a feature point even outside the region F it can be determined that there is a high probability that failed fingerprint synthesis.
前述した通り、指紋合成を行なうことにより、ある程度、広範囲に亘る領域の特徴点を集めて指紋データを作成することが可能になる。 As described above, by performing fingerprint synthesis, to some extent, it is possible to create a fingerprint data collected feature points of a region over a wide range. しかし、このような場合、合成結果において現実離れした範囲に特徴点が存在していれば、その指紋合成は失敗している確率が高い。 However, in this case, if the range of feature points unrealistic in the synthesis result is present, the probability that fingerprint synthesis have failed high.
【0063】 [0063]
そこで、例えば上記領域F外に存在する特徴点の数が多いほど小さくなるような評価値を定義して算出することにより、図6(B)に示すような、指紋合成に失敗した可能性の高い合成指紋データを排除することが可能になる。 Therefore, for example, by calculation to define the evaluation value as smaller as the number of feature points present outside the region F, as shown in FIG. 6 (B), the possibility that failed fingerprint synthesis it is possible to eliminate the high synthetic fingerprint data.
例えば、合成結果に含まれる全ての特徴点の数と、上記領域F内に存在する特徴点の数との比を、評価値として算出すれば、図6(A)に示す合成指紋データの評価値は"8/8=1"となるのに対し、図6(B)に示す合成指紋データの評価値は"9/16=0.5625"となる。 For example, Synthesis and the number of all the feature points included in the result, the ratio of the number of feature points present in the region F, be calculated as the evaluation value, the evaluation of synthetic fingerprint data shown in FIG. 6 (A) value whereas the "8/8 = 1", the evaluation value of the composite fingerprint data shown in FIG. 6 (B) is "9/16 = 0.5625". 従って、検証部50において、前記所定の範囲として例えば0.9以上の範囲を設定した場合、図6(B)に示す合成指紋データの評価値はその範囲外となり、その合成指紋データは、指紋合成に失敗したものと判定される。 Thus, the verification unit 50, if you set the range of, for example, 0.9 or more as the predetermined range, the evaluation value of the composite fingerprint data shown in FIG. 6 (B) becomes outside the range, the composite fingerprint data, a fingerprint It is determined to have failed in the synthesis.
【0064】 [0064]
また、合成指紋データの領域(合成領域)内での特徴点数の増加率Ns/Naが所定値を超えていれば、指紋合成に失敗している確率が高いものと判断することができる一方、所定値以内であれば、合成結果は妥当なものと判断することができる。 Further, while the increase rate Ns / Na area of ​​the composite fingerprint data feature points in the (synthetic region) is if exceeds the predetermined value, it can be determined that there is a high probability that failed fingerprint synthesis, if it is within a predetermined value, the synthesis result can be judged to be appropriate. ただし、Nsは合成指紋データの領域(合成領域)内の特徴点数であり、Naは、合成前の複数の指紋データにおける、その合成領域に対応する領域内の特徴点数の平均値である。 However, Ns is the number of feature points in the region of the synthetic fingerprint data (synthesis regions), Na is in the plurality of fingerprint data before synthesis, is the average value of the feature points in the region corresponding to the combining region.
【0065】 [0065]
合成領域内の全ての特徴点が複数の指紋データに共通に存在する状態が、最も妥当性の高い状態である。 State in which all the characteristic points of the synthesis area is present in common to a plurality of fingerprint data, a most appropriate condition. このような状態の時、Ns=Naとなり、前記増加率Ns/Naは1となる。 When in this state, Ns = Na, and the said increase rate Ns / Na is 1. しかし、複数の指紋データに共通に存在する特徴点の数が少なくなるにつれて、つまり、合成結果の妥当性が低くなるにつれて、増加率Ns/Naは大きくなる。 However, as the number of feature points present in common to a plurality of fingerprint data is reduced, that is, as the validity of the combined result is low, the increase rate Ns / Na increases.
【0066】 [0066]
このような増加率Ns/Naを用いた妥当性検証手法の具体例について、図34(A)〜図34(D)を参照しながら説明する。 A specific example of a validation method using such an increase rate Ns / Na, will be described with reference to FIG. 34 (A) ~ FIG 34 (D). ここで、図34(A)〜図34(C)は、それぞ指紋データFA,FB,FCを示すものであり、図34(D)は、これら3つの指紋データFA,FB,FCを合成して作成された合成指紋データ(合成領域F')を示すものである。 Here, FIG. 34 (A) ~ FIG 34 (C) are, respectively is indicative fingerprint data FA, FB, and FC, FIG 34 (D), these three fingerprint data FA, FB, and FC synthetic It shows the synthetic fingerprint data created (combining region F ') and.
【0067】 [0067]
図34(D)に示す合成領域F'内の特徴点数Nsは12である。 Wherein the number Ns of synthesis region F 'shown in FIG. 34 (D) is 12. そのうち、4つの特徴点は指紋データFA,FBに共通に存在し、5つの特徴点は指紋データFB,FCに共通に存在し、2つの特徴点は指紋データFAにのみ存在し、1つの特徴点は指紋データFCにのみ存在している。 Of these, four characteristic points are present in the common fingerprint data FA, the FB, 5 one feature point is present in the common fingerprint data FB, the FC, 2 two feature points exist only in the fingerprint data FA, 1 single feature point is present only in the fingerprint data FC. 即ち、指紋データFAにおける、合成領域F'に対応する領域内には、図34(A)に示すごとく6つの特徴点が存在し、指紋データFBにおける、合成領域F'に対応する領域内には、図34(B)に示すごとく9つの特徴点が存在し、指紋データFCにおける、合成領域F'に対応する領域内には、図34(C)に示すごとく6つの特徴点が存在している。 That is, in the fingerprint data FA, 'the corresponding region in, there are six characteristic points as shown in FIG. 34 (A), in the fingerprint data FB, combining region F' synthesis region F in the area corresponding to , there are nine feature points as shown in FIG. 34 (B), in the fingerprint data FC, the combining region F 'corresponding region in, there are six characteristic points as shown in FIG. 34 (C) ing.
【0068】 [0068]
しかし、指紋データFCとFAには共通の特徴点が一つも存在していない。 However, common features in the fingerprint data FC and FA are also not present one. 即ち、指紋データFCとFAとは異なる指紋画像から得られたものであるか、もしくは、指紋データFA〜FCの指紋合成に失敗しているかのいずれかであると考えられる。 That is, if the fingerprint data FC and FA are those obtained from a different fingerprint images, or considered to be either have failed the fingerprint synthesis of fingerprint data FA~FC. いずれにしても、合成指紋データF'の妥当性は極めて低い。 Anyway, the validity of the synthetic fingerprint data F 'is very low.
図34(A)〜図34(D)に示す例では、Nsは12、Naは(6+9+6)/3=7であり、増加率Ns/Na=12/7≒1.7となる。 In the example shown in FIG. 34 (A) ~ FIG 34 (D), Ns is 12, Na is (6 + 9 + 6) / 3 = 7, the increase rate Ns / Na = 12/7 ≒ 1.7. 従って、前記所定値として、例えば1.2を設定しておけば、図34(D)に示す合成指紋データF'は、指紋合成に失敗したものと判定される。 Therefore, as the predetermined value, by setting the example 1.2, the synthetic fingerprint data F shown in FIG. 34 (D) 'is determined to have failed the fingerprint synthesis.
【0069】 [0069]
図7(A),図7(B)および図8を参照しながら、合成指紋データにおける特徴点の存在の偏りの妥当性について説明する。 Figure 7 (A), with reference to FIG. 7 (B) and FIG. 8, will be described adequacy of bias of the presence of minutiae in synthetic fingerprint data.
図7(A)に示すように、全ての特徴点が、指紋入力領域100において、指紋中心C0の周りで一つのグループG0として存在していれば、合成結果は妥当なものであると判断することができる。 As shown in FIG. 7 (A), all the feature points, in the fingerprint input region 100, if present as a group G0 around the center of fingerprints C0, combined result is determined to be reasonable be able to. なお、指紋中心C0としては、例えば隆線の中で曲率の最も大きくなる点が選択される。 As the center of fingerprints C0, for example becomes largest in terms of the curvature in the ridge are selected.
【0070】 [0070]
しかし、特徴点が、指紋入力領域100において、図7(B)に示すように完全に二つのグループG1,G2に分かれて存在している場合や、図8に示すように指紋中心C0から離れた位置に一つのグループG3を成して偏って存在している場合には、指紋合成に失敗している確率が高いものと判断することができる。 However, feature points, in the fingerprint input region 100, and if completely are present divided into two groups G1, G2 as shown in FIG. 7 (B), away from the center of fingerprints C0 as shown in FIG. 8 and when present disproportionately form one group G3 in position, it can be determined that there is a high probability that failed fingerprint synthesis.
【0071】 [0071]
特徴点のグルーピング手法としては次のような手法を用いる。 Using the following technique as the grouping method of the feature points. つまり、各特徴点と、その特徴点に最も近い他の特徴点とを仮想的に連結していく。 In other words, each feature point, continue to connecting other and feature points virtually closest to the feature point. ただし、所定値以上の距離離れた特徴点どうしは連結しない。 However, feature points with each other apart distances greater than the predetermined value is not connected. 連結された特徴点には同一ラベルを付与する一方、前記所定値以上の距離離れた特徴点には、異なるラベルを付与する。 While the concatenated feature points assigned the same label, wherein the predetermined value or more distance apart feature point, to impart a different label. このようにして同一ラベルを付与された特徴点を1つのグループとみなす。 Thus feature points assigned the same label regarded as one group.
【0072】 [0072]
そこで、特徴点のグループ化が生じている場合や、特徴点が指紋中心から離れた位置でグループを成しているような場合に小さくなるような評価値を定義して算出することにより、図7(B)や図8に示すような、指紋合成に失敗した可能性の高い合成指紋データを排除することが可能になる。 Therefore, and if the grouping of feature points occurs, feature points by calculating define the evaluation value such that smaller when, as in groups at a position distant from the center of fingerprints, FIG 7 (B) and as shown in FIG. 8, it is possible to eliminate the high synthetic fingerprint data may have failed the fingerprint synthesis.
【0073】 [0073]
次に、図9を参照しながら、合成指紋データにおける特徴点どうしの関係情報の妥当性について説明する。 Next, referring to FIG. 9, illustrating the validity of the relationship information of the feature points with each other in synthetic fingerprint data. 図9に示す合成指紋データでは、二つの端点が特徴点P0,P1として含まれている。 The synthetic fingerprint data shown in FIG. 9, two end points are included as feature points P0, P1. ここで、特徴点P0は隆線L91の端点であり、特徴点P1は隆線L94の端点である。 Here, the feature point P0 is the end point of the ridge L91, the feature point P1 is the end point of the ridge L94. また、図9では、隆線L91とL94との間に2本の隆線L92,L93が存在するものとして、合成指紋データが図示されている。 Further, in FIG. 9, as there are two ridge L92, L93 between the ridges L91 and L94, the synthetic fingerprint data is shown.
【0074】 [0074]
このとき、特徴点P0の関係情報と特徴点P1の関係情報とが互いに矛盾している場合には、その指紋合成に失敗している確率が高いものと判断することができる。 At this time, if where the relationship information relationship information and the feature point P1 of the feature point P0 are inconsistent with each other, it can be determined that there is a high probability that failed the fingerprint synthesis. 例えば、特徴点P0の関係情報として「特徴点P0とP1との間の隆線本数は2本」が保持されているにもかかわらず特徴点P1の関係情報として「特徴点P1とP0との間の隆線本数は4本」が保持されている場合や、特徴点P0の関係情報として「3本隣(下方)の隆線には特徴点P1が存在する」が保持されているにもかかわらず特徴点P1の関係情報として「1本隣(上方)の隆線には特徴点P0が存在する」が保持されている場合である。 For example, as the relation information of the feature point P0 as a "ridge number is two between feature points P0 and P1 'relationship information despite feature point P1 is held" feature points P1 and between P0 or if the ridge number between the four "is held, to" exist feature point P1 on the ridges of the three neighboring (downward) "is held as the relation information of the feature point P0 "the ridge of one neighboring (upper) exist feature point P0" as the relation information of the feature point P1 regardless of if is held.
そこで、上述のような矛盾の発生数が多いほど小さくなるような評価値を定義して算出することにより、関係情報に矛盾を含む、指紋合成に失敗した可能性の高い合成指紋データを排除することが可能になる。 Therefore, by calculating to define a more reduced becomes such an evaluation value is large number of occurrences of the contradiction as described above, including inconsistencies in the relationship information, eliminating the high synthetic fingerprint data may have failed the fingerprint synthesis it becomes possible.
【0075】 [0075]
最後に、合成指紋データにおける特徴点の個数(多過ぎ,少な過ぎ)の妥当性について説明する。 Finally, (too much, little too) the number of feature points in synthetic fingerprint data describing the validity of the. 合成指紋データに含まれる特徴点が、多すぎる場合や少なすぎる場合も、その指紋合成に失敗している確率が高いものと判断することができる。 Feature points included in the synthetic fingerprint data, also if too much or too little, it can be determined that there is a high probability that failed the fingerprint synthesis. 例えば、特徴点の数が10個以下の場合や50個を超えた場合に小さくなるような評価値を定義して算出することにより、特徴点の数が多すぎるもしくは少なすぎる、指紋合成に失敗した可能性の高い合成指紋データを排除することが可能になる。 For example, by calculating to define a smaller becomes such evaluation value if the number of feature points exceeds a case or 50 10 or less, the number of feature points is too or too little, failed fingerprint synthesis it becomes possible to eliminate the possibility of a higher synthesis fingerprint data.
【0076】 [0076]
このように、本発明の第1実施形態としての指紋データ合成装置1によれば、複数の指紋画像のそれぞれから特徴点を抽出し、抽出された特徴点を合成して一つの合成指紋データが作成される。 Thus, according to the fingerprint data synthesizing apparatus 1 according to the first embodiment of the present invention, a feature point extracted from each of the plurality of fingerprint images, and a synthesized fingerprint data is synthesized extracted feature points It is created. これにより、信頼性の高い特徴点を用いて合成指紋データを作成することができる。 This makes it possible to create a composite fingerprint data using a reliable feature point. また、指紋画像どうしを直接的に合成する必要がないので、隆線構造の破壊といった不具合の影響も受けることがない。 Moreover, it is not necessary to directly synthesize the fingerprint images each other, it does not suffer the effects of problems such as destruction of the ridge structure.
【0077】 [0077]
従って、作成された合成指紋データを登録指紋データとして用いると、指紋画像から正確に抽出された正しい特徴点(信頼性の高い特徴点)を含む登録指紋データを作成することができ、指紋による個人確認を行なうシステムにおいて、高い照合性能を実現することができる。 Therefore, the use of synthetic fingerprint data created as registered fingerprint data, it is possible to create a registration fingerprint data including correct feature points accurately extracted from the fingerprint image (reliable feature point), personal fingerprint in a system for performing confirmation, it is possible to achieve high matching performance.
また、採取領域の異なる複数の指紋画像から、広範囲の特徴点を正確に抽出して登録指紋データを作成することができるので、上記システムにおいて安定した照合性能を実現することができる。 Further, from the collection area different fingerprint images, it is possible to create a registration fingerprint data extensive feature points accurately extracted, it is possible to realize stable collation performance in the system.
【0078】 [0078]
さらに、検証部50により合成指紋データが妥当なものであるか否かを検証するので、合成結果が指紋データとして妥当なものだけを登録指紋データとして用いることができ、信頼性の高い登録指紋データを用いて指紋認証が行なわれ、より高い照合性能を実現することが可能になる。 Furthermore, since the synthesized fingerprint data by the verification unit 50 verifies whether or not reasonable, synthetic results can be used only as a registered fingerprint data reasonable as fingerprint data, a reliable registration fingerprint data fingerprint using is performed, it is possible to realize a higher matching performance.
【0079】 [0079]
その際、検証部50では、合成指紋データに含まれる特徴点について、その存在範囲,偏り,関係情報や個数の妥当性を確認し、合成指紋データの妥当性を検証することにより、種々の合成状況を考慮しながら、指紋合成に失敗している確率の高い合成指紋データを確実に排除できるので、より信頼性の高い登録指紋データを用いて指紋認証を行なえるようになり、照合性能をさらに向上させることができる。 At that time, the verifying unit 50, the feature points included in the synthesis fingerprint data, the existence range, deviation, by validates the relationship information and the number, to verify the validity of the synthetic fingerprint data, various synthetic taking into account the situation, because the high Igo formation fingerprint data of the probability that failed fingerprint synthesis can be reliably eliminated, it becomes so perform the fingerprint authentication using the more reliable the registered fingerprint data, verification performance it can be further improved.
【0080】 [0080]
〔2〕第2実施形態の説明さて、第1実施形態で説明したように指紋データ合成部40において2以上の指紋データを合成する際には、正しい特徴点と誤った特徴点とを確実に認識できるすることが望まれる。 [2] Description of Second Embodiment Now, in the synthesis of 2 or more fingerprint data in the fingerprint data synthesizing unit 40 as described in the first embodiment, ensures the feature points correct and incorrect feature point it is desirable to be recognized. そこで、本発明の第2実施形態や第3実施形態では、指紋データ抽出部10で抽出された各特徴点に対し、それが正しい特徴点である程度(再現性の程度)を示す特徴点信頼度を定義する。 Therefore, in the second embodiment and the third embodiment of the present invention, with respect to each feature point extracted by the fingerprint data extraction section 10, feature point reliability indicated it to some extent in the correct feature point (degree of reproducibility) to define. この特徴点信頼度を求め、その値に従って特徴点データの合成を行なっていく。 Obtains the minutia reliability, we performed the synthesis of minutia data according to the value.
【0081】 [0081]
図10は本発明の第2実施形態としての指紋データ合成装置の機能構成を示すブロック図であり、この図10に示す第2実施形態の指紋データ合成装置1Aは、第1実施形態と同様の指紋データ抽出部10,指紋データ記憶部20,共通特徴点探索部30および検証部50を有するほか、特徴点信頼度算出部60および指紋データ合成部40Aを有して構成されている。 Figure 10 is a block diagram showing a functional configuration of a fingerprint data synthesizing apparatus according to the second embodiment of the present invention, the fingerprint data synthesis apparatus 1A of the second embodiment shown in FIG. 10, similar to the first embodiment fingerprint data extraction section 10, a fingerprint data storage unit 20, in addition to having a common feature point searching unit 30 and the verification unit 50 is configured to have a characteristic point reliability calculation section 60 and the fingerprint data synthesis section 40A. なお、既述の符号と同一の符号は同一もしくはほぼ同一の部分を示しているので、その説明は省略する。 Since reference numerals as described above and the same reference numerals denote the same or substantially the same portions, description thereof will be omitted.
【0082】 [0082]
ここで、本実施形態の指紋データ合成装置1Aも、第1実施形態の指紋データ合成装置1と同様、CPU,RAM,ROMなどをバスラインにより接続して構成される、パソコン等のコンピュータシステムにより実現されるものである。 Here, the fingerprint data synthesis apparatus 1A of the present embodiment also, similarly to the fingerprint data synthesizing apparatus 1 of the first embodiment, CPU, RAM, configured ROM and the like are connected by a bus line, by a computer system such as a personal computer it is realized.
そして、指紋データ合成装置1Aにおける指紋データ合成部40Aおよび特徴点信頼度算出部60としての機能も、上述した第1実施形態の指紋データ抽出部10,共通特徴点探索部30,指紋データ合成部40および検証部50と同様、記録媒体に格納されたアプリケーションプログラムをCPU等で実行することにより実現される。 The function of the fingerprint data synthesis section 40A and the minutia reliability calculation section 60 in the fingerprint data synthesis apparatus 1A also, the fingerprint data extraction section 10 of the first embodiment described above, the common feature point searching unit 30, the fingerprint data synthesis section similar to 40 and verification unit 50 is realized by executing an application program stored in a recording medium such as a CPU.
【0083】 [0083]
さて、図10に示す第2実施形態の指紋データ合成装置1Aも、第1実施形態と同様、指紋を用いて個人確認を行なうシステムにおいて実際に個人認証を行なう際に使用される照合用指紋データ(登録指紋データ)を、指紋スキャナ2からの複数の指紋画像から合成・作成するためのものである。 Well, even fingerprint data synthesis apparatus 1A of the second embodiment shown in FIG. 10, similarly to the first embodiment, verification fingerprint data to be used when actually performing the personal authentication in a system which performs personal confirmed using fingerprints (registered fingerprint data) is used to create synthetic-from a plurality of fingerprint images from the fingerprint scanner 2.
【0084】 [0084]
ただし、第2実施形態の指紋データ合成装置1Aでは、指紋データ抽出部10により抽出された各特徴点に対し、それが正しい特徴点である程度(再現性の程度)を示す特徴点信頼度が定義されており、この特徴点信頼度を求める特徴点信頼度算出部60が新たにそなえられるとともに、その値に従って特徴点データの合成を行なう指紋データ合成部40Aが、第1実施形態の指紋データ合成部40に代えてそなえられている。 However, the fingerprint data synthesis apparatus 1A of the second embodiment, with respect to each feature point extracted by the fingerprint data extraction section 10, it is minutia reliability indicating a degree (degree of repeatability) in the correct feature point definition are, together with the minutia reliability calculation section 60 for obtaining the minutia reliability is newly provided, the fingerprint data synthesis section 40A for the synthesis of minutia data according to the value, the fingerprint data synthesis in the first embodiment It is provided instead of the section 40.
【0085】 [0085]
ここで、特徴点信頼度算出部60は、指紋データ記憶部20に記憶された複数の指紋データにおける各特徴点の信頼度を算出するものであり、例えば以下の項目(b1)〜(b4)のデータのうちの少なくとも一つを指紋データから得て、そのデータに基づいて特徴点信頼度を算出する。 Here, minutia reliability calculation section 60 is for calculating the reliability of the feature points in a plurality of fingerprint data stored in the fingerprint data storage unit 20, for example, the following items (b1) ~ (b4) obtaining at least one of the data from the fingerprint data, it calculates a point feature reliability based on the data.
【0086】 [0086]
(b1)各特徴点の方向と隆線の方向との差 (B1) the difference between the direction of the direction and ridge of each feature point
(b2)各特徴点から近辺の他の特徴点までの隆線長または距離 (B2) ridge length or distance to the other feature points in the vicinity of the respective characteristic points
(b3)各特徴点から近辺の隆線までの距離 (B3) the distance to the ridge near the respective characteristic points
(b4)各特徴点と近辺の他の特徴点との位置関係(各特徴点近辺での他の特徴点の発生パターン) (B4) the positional relationship between the other feature point in the vicinity of each feature point (generation pattern of other feature points in the vicinity of the feature points)
【0087】 [0087]
なお、これら項目(b1)〜(b4)のデータに基づく特徴点信頼度算出部60による具体的な特徴点信頼度の算出手法については、図12〜図16を参照しながら後述する。 It is to be noted that the calculation method of the specific minutia reliability by the feature point reliability calculation section 60 based on the data of these items (b1) ~ (b4), described later with reference to FIGS. 12 to 16.
そして、指紋データ合成部40Aは、共通特徴点探索部30で探索された共通特徴点の中の一つを選択する際に、特徴点信頼度算出部60によって特徴点毎に算出された信頼度を参照し、信頼度の最も高いものを優先的に選択・使用して合成指紋データを作成するものである。 Then, the fingerprint data synthesis section 40A, when selecting one of the common feature points is searched in a common feature point searching unit 30, reliability calculated for each feature point by the feature point reliability calculation section 60 refers to the, it is the highest confidence those preferentially select and use to create synthetic fingerprint data.
【0088】 [0088]
次に、図11に示すフローチャート(ステップS11〜S15)を参照しながら、第2実施形態の指紋データ合成手順について説明する。 Next, with reference to the flow chart (steps S11 to S15) shown in FIG. 11, a description will be given fingerprint data synthesis procedure of the second embodiment.
まず、指紋スキャナ2により同じ指について採取された複数の指紋画像は、それぞれ、指紋データ抽出部10に入力され、この指紋データ抽出部10により、各指紋画像から、特徴点(端点,分岐点),指紋隆線方向,特徴点間距離,特徴点間隆線長や、指紋特徴点間の隆線本数を含む関係情報などが抽出されて、指紋データが作成される(ステップS11)。 First, a plurality of fingerprint images by the fingerprint scanner 2 taken for the same finger, respectively, are inputted to the fingerprint data extraction section 10, by the fingerprint data extraction section 10, from the fingerprint image, feature points (end points, branch points) , fingerprint ridge direction, distances between the feature points, and between the feature points ridge length, such relationship information including a ridge number between fingerprint characteristic point is extracted, the fingerprint data is created (step S11). 指紋画像毎に作成された指紋データは、指紋データ記憶部20に格納される。 Fingerprint data created for each fingerprint image is stored in the fingerprint data storage unit 20.
【0089】 [0089]
そして、特徴点信頼度算出部60は、上述した項目(b1)〜(b4)の少なくとも一つのデータに基づいて、指紋データ記憶部20に格納されている全ての指紋データにおける、各特徴点の信頼度を算出する(ステップS12)。 Then, feature point reliability calculation section 60, based on at least one of the data of the above-described item (b1) ~ (b4), in all of the fingerprint data stored in the fingerprint data storage unit 20, for each feature point It calculates the reliability (step S12).
また、第1実施形態のステップS2と同様、共通特徴点探索部30により、指紋データ記憶部20に格納されている複数の指紋データの相互間での特徴点の対応関係が調査される(ステップS13)。 Further, similar to step S2 of the first embodiment, the common feature point searching unit 30, the correspondence between feature points between each other of the plurality of fingerprint data stored in the fingerprint data storage section 20 is examined (step S13).
【0090】 [0090]
共通特徴点探索部30により、2以上の指紋データに共通に含まれている同一の特徴点を、共通特徴点として調査・抽出した場合、第2実施形態の指紋データ合成装置1Aにおいては、指紋データ合成部40Aにより、共通特徴点探索部30で得られた共通特徴点情報(もしくは指紋中心)と特徴点信頼度算出部60によって特徴点毎に算出された信頼度とに基づいて、特徴点が重複しないように特徴点データをまとめ、一つの合成指紋データが作成される(ステップS14)。 Common the feature point searching unit 30, if the same feature points in two or more fingerprint data contained in common, and research and extracted as a common feature points, in the fingerprint data synthesis apparatus 1A of the second embodiment, the fingerprint the data synthesis section 40A, based on the reliability calculated for each feature point by the common feature point information (or a fingerprint center) and minutia reliability calculation section 60 obtained by the common feature point searching unit 30, a feature point There collectively characteristic data so as not to overlap, one synthetic fingerprint data is created (step S14). つまり、信頼度の最も高いものが、共通特徴点探索部30で探索された共通特徴点の中から優先的に選択され、合成指紋データが作成される。 In other words, what reliability the highest is preferentially selected from among the common feature points is searched in a common feature point searching unit 30, the synthetic fingerprint data is created.
【0091】 [0091]
なお、指紋の採取位置によっては、ある一つの指紋データだけに含まれ他の指紋データには含まれていない特徴点が存在する場合もある。 Depending sampling position of the fingerprint, there is a case where feature points not included in the other fingerprint data included only one certain fingerprint data exists. そのような場合、指紋データ合成部40Aも、第1実施形態と同様、その特徴点が正しい特徴点としての条件を満たしていれば、その特徴点に関する情報を、合成指紋データに含ませる。 In such a case, even the fingerprint data synthesis section 40A, as in the first embodiment, if it satisfies the conditions as the correct feature point feature point, information about the feature points, included in the synthetic fingerprint data.
そして、最後に、第1実施形態と同様、指紋データ合成部40Aによる合成結果(合成指紋データ)が妥当な指紋データを形成しているか否かが、検証部50により検証される(ステップS15)。 Finally, as in the first embodiment, whether the fingerprint data synthesis section 40A by synthesis result (synthesized fingerprint data) form a valid fingerprint data is verified by the verification unit 50 (step S15) .
【0092】 [0092]
ここで、図12〜図16を参照しながら、第2実施形態での特徴点信頼度の算出手法について説明する。 Here, referring to FIGS. 12 to 16 to describe a method of calculating the feature point reliability in the second embodiment.
図12(A)〜図12(C)はいずれも本実施形態での特徴点の方向の定義を説明するための図であり、図13は、各特徴点の方向と隆線の方向との差に基づいて特徴点信頼度を算出する手法を説明するための図である。 Figure 12 (A) ~ FIG 12 (C) is a diagram for explaining the direction of the definition of the feature point in both the present embodiment, FIG. 13, the direction of the direction and ridge of each feature point it is a diagram for explaining a method for calculating a feature point reliability based on the difference.
【0093】 [0093]
まず、図12(A)および図12(B)により、それぞれ端点および分岐点の方向の定義について説明する。 First, FIG. 12 (A) and FIG. 12 (B), the the direction of the definition of the respective end points and branch points will be described. ここで、隆線全体の流れ方向(隆線方向)を、矢印D1で示す方向(図中、右方向)とする。 Here, the ridge overall flow direction (ridge direction), (in the figure, rightward) direction indicated by the arrow D1 and.
図12(A)に示すように、2本の隆線L1,L3の間において、特徴点p1を端点とする隆線L2が存在する場合、この特徴点p1の方向は、特徴点p1から隆線L2が発生する方向(つまり矢印d1で示す方向)と定義する。 As shown in FIG. 12 (A), between the two ridges L1, L3, if there is a ridge L2 to the feature point p1 and the end point, direction of the feature point p1 is Takashi from the feature point p1 It is defined as a direction (i.e. the direction indicated by the arrow d1) the line L2 is generated.
【0094】 [0094]
また、図12(B)に示すように、隆線L4が特徴点(分岐点)p2で2本の隆線L41,L42に分岐する場合、この特徴点p2の方向は、特徴点p2から2本の隆線L41,L42の間を進行する方向(つまり矢印d2で示す方向)と定義する。 Further, as shown in FIG. 12 (B), if branched ridge L4 feature points (branch points) p2 at the two ridges L41, L42, the direction of the feature point p2 is from the feature point p2 2 It is defined as a direction (i.e. the direction indicated by arrow d2) traveling between the book ridge L41, L42.
【0095】 [0095]
図12(C)を参照しながら、分岐点の方向の定義について、より詳細に説明する。 With reference FIG. 12 (C), the direction of defining the branch point will be described in more detail. 図12(C)に示すように、隆線L41,L42,L4上において、分岐点p2から等しい隆線長だけ離れた点をそれぞれa,b,cとする。 As shown in FIG. 12 (C), on the ridge L41, L42, L4, a point distant by ridge length equal from the branch point p2, respectively, b, and c. 特徴点p2から点a,b,cへのベクトルをそれぞれVa,Vb,Vcとする。 Points from the feature point p2 a, b, a vector to c respectively Va, Vb, and Vc. これらのベクトルVa,Vb,Vcのうち、方向の差が最も小さくなる2つのベクトルを抽出し、これら2つのベクトルの平均を求め、その平均結果のベクトルの方向を分岐点p2の方向と定義する。 These vectors Va, Vb, of Vc, the difference in direction is extracted smallest two vectors, an average of these two vectors define the direction of the vector of the averaged results to the direction of the branch point p2 . つまり、図12(C)では、ベクトルVaとVbとの平均(Va+Vb)/2であるベクトルVdの方向が分岐点p2の方向となる。 That is, in FIG. 12 (C), the direction of the vector Vd is the average of the vector Va and Vb (Va + Vb) / 2 is the direction of the branch point p2. この図12(C)のベクトルVdが図12(B)のベクトルd2である。 Vector Vd of FIG. 12 (C) is a vector d2 in FIG. 12 (B).
【0096】 [0096]
図12(A)や図12(B)に示すように特徴点の方向を定義した場合、基本的に、特徴点の方向と隆線方向とはほぼ同一方向(ほぼ平行)になる。 Figure 12 (A) and 12 If you define the direction of the feature point (B), the basically substantially the same direction (generally parallel) to the direction and the ridge direction of the feature point.
しかし、例えば、隆線構造の解析に失敗したり隆線構造が網目状に検出されたりして、大量の誤特徴点が発生した場合(図3や図4の領域AR1,AR2内を参照)、特徴点の方向と隆線方向とは一致しなくなる。 However, for example, if a failure occurs or ridge structure analysis of ridge structure is or are detected in a mesh shape, a large amount of false feature points is generated (see Figure 3 and area AR1 in FIG. 4, the AR2) It will not coincide with the direction and the ridge direction of the feature point.
【0097】 [0097]
例えば図13に示すように、隆線構造が網目状に検出された場合、複数の特徴点(いずれも分岐点)p11〜p13およびp21〜p23の方向は、それぞれ矢印d11〜d13およびd21〜d23で示すようになり、いずれも、図12(B)に示す例に比べて、隆線方向D1に対して平行ではなくなっている。 For example, as shown in FIG. 13, when the ridge structure is detected in a mesh shape, the direction of the plurality of feature points (both branch points) P11 to P13 and P21 to P23, respectively arrows d11~d13 and d21~d23 to be, either as shown in, compared to the example shown in FIG. 12 (B), it is no longer parallel to the ridge direction D1.
なお、図13において、L6〜L8,L71〜L76はいずれも隆線を示すものであるが、これらのうち隆線L71〜L76は、隆線L7と隆線L8との間に分岐によって生じた網目状のものである。 Incidentally, in FIG. 13, L6~L8, L71~L76 but shows a ridge none, of these ridges L71~L76 resulted by a branch between the ridge L7 and ridge L8 those mesh-like.
【0098】 [0098]
つまり、注目特徴点の方向と隆線の流れる方向とを比較し、その差が大きいほど、その注目特徴点の信頼度は低く、誤特徴点である可能性が高いものと判断することができる。 That is, compared with the direction of flow of the direction and ridge feature point, the more the difference is large, the reliability of the feature point is low, it can be determined that a high potential is erroneous feature points those .
そこで、特徴点信頼度を、例えば下式(1)のごとく、注目特徴点の向き(単位ベクトル)と隆線の流れる向き(単位ベクトル)との差が大きいほど小さい値になるように定義することにより、図13に示すように誤特徴点である可能性の高い特徴点p11〜p13やp21〜p23の信頼度が低く設定され、その特徴点が指紋データ合成部40Aによって選択される順位を低くすることができる。 Therefore, the point feature reliability, for example as in the following equation (1), defined as the difference between the orientation (unit vector) of the flow of the ridge and the direction (unit vector) of the target feature point is smaller values ​​larger it allows set reliability is low in a false feature point is likely feature point p11~p13 and p21~p23 as shown in FIG. 13, the order in which those characteristic points are selected by the fingerprint data synthesis section 40A it can be lowered.
【0099】 [0099]
〔特徴点信頼度〕=k*|V1・V2| (1) [Point feature reliability] = k * | V1 · V2 | (1)
ここで、|x|はxの絶対値、kは正の比例定数、V1は注目特徴点の方向を示す単位ベクトル、V2は隆線の流れる向き(隆線方向)を示す単位ベクトル、V1・V2は単位ベクトルV1とV2との内積である。 Here, | x | is the absolute value of x, k is a positive proportionality constant, V1 is a unit vector indicating the direction of the current feature point, V2 is a unit vector indicating the direction (ridge direction) of flow of the ridge, V1 · V2 is the inner product of the unit vector V1 and V2. このとき、注目特徴点の方向が隆線方向の向きに対して平行になる場合(V1=V2またはV1=−V2)、(1)式によって定義される特徴点信頼度は最大値kとなる。 At this time, when the direction of the target feature point is parallel to the ridge orientation (V1 = V2 or V1 = -V2), the maximum value k is minutia reliability defined by (1) . また、注目特徴点の方向と隆線方向とが直交する場合、(1)式によって定義される特徴点信頼度は最小値0となる。 Further, when the direction and the ridge direction of the target feature point is orthogonal, the minimum value 0 is minutia reliability defined by equation (1).
【0100】 [0100]
図14は、各特徴点から近辺の他の特徴点までの隆線長または距離に基づいて特徴点信頼度を算出する手法を説明するための図である。 Figure 14 is a diagram for explaining a method for calculating a feature point reliability based on the ridge length or distance to the other feature points in the vicinity of the respective characteristic points.
通常の指紋では、特徴点が小領域に大量に発生することはない。 In normal fingerprints, it does not feature point is generated in large quantities in a small area. 他の特徴点との距離が短い特徴点が大量に発生している場合は、その特徴点の信頼度は低く、誤特徴点である可能性が高いものと判断することができる。 If the distance is short feature point with other feature points are heavily infested, reliability of the feature points is low, it can be determined that a high potential is erroneous feature point ones.
【0101】 [0101]
そこで、小領域にこのような特徴点が大量に発生しているかどうかの指標値を特徴点信頼度に用いることができる。 Therefore, it is possible to use the feature point reliability index values ​​whether such features points are heavily infested by the small region. 例えば、特徴点信頼度を、下式(2)のごとく定義することにより、小領域に大量に発生している特徴点の信頼度が低く設定され、その特徴点がデータ合成部40Aによって選択される順位を低くすることができる。 For example, the feature point reliability, by defining as the following equation (2), is set reliability of the feature points that generate a large amount of the small region is low, its feature points are selected by the data synthesis section 40A that order can be lowered.
【0102】 [0102]
〔特徴点信頼度〕=−k*N1/N2 (2) [Point feature reliability] = -k * N1 / N2 (2)
ここで、kは比例定数、N1は、注目特徴点から所定の半径以内の領域にある特徴点のうち、隣接する他の特徴点との距離が全て所定の値以下の特徴点の数であり、N2は、注目特徴点から所定の半径以内の領域にある特徴点の総数である。 Here, k is a proportional constant, N1, of the feature points from the current feature point in a region within a predetermined radius, all the distance between the other feature points adjacent is the number of a predetermined value following characteristic points , N2 is the total number of feature points from the current feature point in a region within a predetermined radius.
【0103】 [0103]
例えば図14に示すように、注目特徴点Pc0から所定の半径r0以内の領域にある特徴点の総数N2は10であり、これら10個の特徴点のうち、隣接する他の特徴点との距離が全て所定の値以下の特徴点は、誤特徴点として図示されたものであり、その数N1は7である。 For example, as shown in FIG. 14, the total number N2 is 10 of feature points from the current feature point Pc0 a region within a predetermined radius r0, among these 10 pieces of feature points, the distance between the other feature points adjacent There all the predetermined value or less of the feature point has been illustrated as a feature point false, the number N1 is 7. 従って、(2)式による特徴点信頼度は、−k*(7/10)=−0.7*kとなる。 Therefore, (2) minutia reliability by formula, -k * (7/10) = - a 0.7 * k.
なお、上述した例では、注目特徴点と他の特徴点との距離に基づいて特徴点の数N1を求めているが、注目特徴点から隆線を介した他の特徴点までの隆線長に基づいて特徴点の数N1を求めてもよい。 In the example described above, seeking the number N1 of feature points based on the distance between the feature point and the other feature points, ridge length from the target feature point to other feature points through the ridge it may be calculated by determining the number N1 of feature points based on the.
【0104】 [0104]
図15(A)および図15(B)は、いずれも各特徴点から近辺の隆線までの距離に基づいて特徴点信頼度を算出する手法を説明するための図である。 Figure 15 (A) and FIG. 15 (B) each a diagram for explaining a method for calculating a feature point reliability based on the distance to the ridge near the each feature point.
指紋画像における隆線画像に、何らかの要因によって細長い亀裂が入ると、誤特徴点が発生する。 The ridge line image in the fingerprint image, the elongated crack some reason, false feature points are generated.
例えば図15(A)では、3本の隆線画像L10,L20,L30が図示されているが、これらのうち真ん中の隆線画像L20に、細長い亀裂NL1が入ったために、細長い髭状のラインLn0が生じている。 For example, in FIG. 15 (A), the order is three ridge line image L10, L20, L30 are shown, that the ridge line image L20 in the middle of these, containing the elongated crack NL1, elongated whisker-like line Ln0 has occurred.
【0105】 [0105]
このような指紋画像について隆線構造解析および特徴点抽出を行なうと、例えば図15(B)に示すように、3本の隆線画像L10,L20,L30にそれぞれ対応する3本の隆線L11,L21,L31が抽出されるとともに、髭状のラインLn0に対応した隆線Ln1も抽出されてしまう。 About this fingerprint image performing ridge structure analysis and feature point extraction, for example as shown in FIG. 15 (B), three ridges L11 each corresponding to three ridge line image L10, L20, L30 , L21, with L31 are extracted, ridge Ln1 corresponding to whisker-like line Ln0 will also be extracted. この隆線Ln1の一端は端点Pe1であり、他端は隆線L21からの分岐点Pe2であり、これらの端点Pe1および分岐点Pe2は、いずれも誤特徴点である。 One end of the ridge Ln1 is an end point Pe1, the other end is a branch point Pe2 from ridge L21, these end points Pe1 and branch point Pe2 are all characteristic points erroneous. つまり、亀裂NL1が原因で誤特徴点が発生している。 That is, the feature point crack NL1 erroneous due occurs.
【0106】 [0106]
このような誤特徴点(端点Pe1)は、その近辺の隆線までの距離を調べることで認識することができる。 Such false feature points (end points Pe1) can be recognized by examining the distance to the ridge of the vicinity. つまり、注目特徴点から近辺の隆線までの距離が指紋全体に見られる隆線の間隔よりも小さい場合、その注目特徴点の信頼度は低く、誤特徴点である可能性が高いものと判断することができる。 That is, when the distance to the ridge near the target feature point is less than the distance of the ridges found in whole fingerprint, its reliability of target feature point is low, it determines that a high potential is erroneous feature points those can do.
そこで、特徴点信頼度を、例えば下式(3)のごとく、注目特徴点からその近辺の隆線までの最短距離に比例する値として定義することにより、指紋画像の亀裂等によって発生した特徴点の信頼度が低く設定され、その特徴点がデータ合成部40Aによって選択される順位を低くすることができる。 Therefore, the point feature reliability, for example, the following equation (3) as described by defining a value proportional from the target feature point in the shortest distance to the ridge near its feature points generated by the cracks of the fingerprint image the reliability is set low, it is possible to lower the rank of the feature points is selected by the data synthesizing unit 40A.
【0107】 [0107]
〔特徴点信頼度〕=k*D (3) [Minutia reliability] = k * D (3)
ここで、kは比例定数、Dは注目特徴点からその近辺の隆線までの最短距離である。 Here, k is a proportional constant, D is the shortest distance to the ridge near its from the current feature point.
例えば図15(B)において特徴点(端点)Pe1を注目特徴点とした場合、この特徴点Pe1から隆線L21までの最短距離がDとして求められ、特徴点信頼度が算出される。 For example, FIG. 15 (B) if the feature points (end points) Pe1 was as the target feature point in the shortest distance from the feature point Pe1 until ridge L21 is obtained as D, minutia reliability is calculated. その最短距離Dは、隆線L11,L21,L31の間隔に比べて明らかに小さく、特徴点Pe1についての信頼度は小さくなる。 As the shortest distance D is clearly smaller than the spacing of the ridges L11, L21, L31, reliability of the feature point Pe1 is reduced. 従って、特徴点Pe1がデータ合成部40Aによって選択される順位が低くなる。 Accordingly, the order in which the feature point Pe1 is selected by the data synthesis section 40A becomes lower.
【0108】 [0108]
図16(A)〜図16(C)は、いずれも各特徴点と近辺の他の特徴点との位置関係(各特徴点近辺での他の特徴点の発生パターン)に基づいて特徴点信頼度を算出する手法を説明するための図である。 Figure 16 (A) ~ FIG 16 (C) are all positional relationship characteristic points trust based on (other occurrence pattern of feature points in the vicinity of the feature points) to other feature points in the vicinity of each feature point it is a diagram for explaining a method of calculating a degree.
指に切り傷等の傷を負うと、指紋の隆線には亀裂が発生する。 And the wounded, such as cuts to the finger, the crack is generated in the ridges of the fingerprint. 従って、例えば図16(A)に示すように、隆線画像L10,L20,L30が、亀裂NL2により分断される。 Thus, for example, as shown in FIG. 16 (A), the ridge line image L10, L20, L30, is separated by cracking NL2.
【0109】 [0109]
このような指紋画像から特徴点抽出を行なうと、図16(B)に示すように、隆線L11上に端点p01,p10が発生し、隆線L21上に端点p02,p20が発生し、隆線L31上に端点p03,p30が発生する。 When performing feature points extracted from such a fingerprint image, as shown in FIG. 16 (B), occurs endpoint p01, p10 on ridge L11, end points p02, p20 occurs on ridge L21, Takashi end points p03, p30 is generated on the line L31. そして、端点p01,p02,p03はほぼ一列に並んで発生するとともに、端点p10,p20,p30はほぼ一列に並んで発生する。 Then, the end points p01, p02, p03 occurs arranged in substantially one row, the end points p10, p20, p30 occurs arranged in substantially one row. このように、傷や皺等による誤特徴点は一列に並んで発生する。 Thus, the feature point error due to scratches or wrinkles are generated in a row.
【0110】 [0110]
従って、注目特徴点が列を形成して発生している場合は、その注目特徴点の信頼度は低く、誤特徴点である可能性が高いものと判断することができる。 Therefore, if the feature point is generated to form a column, the reliability of the feature point is low, it can be determined that a high potential is erroneous feature point ones.
そこで、注目特徴点とその近辺にある他の二つの特徴点を結んだ直線の傾きが等しいもしくはほぼ等しい場合に、その注目特徴点の信頼度が小さくなるように特徴点信頼度を定義する。 Therefore, when the feature point and other slope of the line joining the two feature points or approximately equal equal in the neighborhood thereof, to define the minutia reliability as reliability of the feature point is reduced.
【0111】 [0111]
つまり、例えば下式(4)のごとく、特徴点信頼度を、注目特徴点と他の二つの特徴点とを結んだ直線の傾きの差の絶対値に比例する値として設定する。 That is, for example, as in the following equation (4), sets the point feature reliability, as a value proportional to the absolute value of the difference between the inclination of the connecting feature point and the other two feature points straight.
〔特徴点信頼度〕=k*|b/a−d/c| (4) [Minutia reliability] = k * | b / a-d / c | (4)
ここで、kは比例定数、図16(C)に示すように、b/aは注目特徴点p20と他の特徴点p30とを結んだ直線の傾きを表し、d/cは注目特徴点p20と他の特徴点p10とを結んだ直線の傾きを表すものである。 Here, k is a proportional constant, as shown in FIG. 16 (C), b / a represents the slope of a straight line connecting the feature point p20 and the other feature points p30, d / c is feature point p20 that represents the slope of the line connecting the other feature point p10.
【0112】 [0112]
これにより、図16(C)に示すような特徴点p01〜p03やp10〜p30の信頼度が低く設定され、その特徴点が指紋データ合成部40Aによって選択される順位を低くすることができる。 This sets the reliability is low feature points p01~p03 and p10~p30 as shown in FIG. 16 (C), can be the feature points to lower the rank selected by the fingerprint data synthesis section 40A.
なお、特徴点信頼度算出部60は、上述した(1)〜(4)式のうちの一つだけを用いて特徴点信頼度を算出してもよいし、(1)〜(4)式のうちの2以上を用いて特徴点信頼度をそれぞれ算出し、算出された信頼度の合計値を最終的な特徴点信頼度として算出してもよい。 The feature point reliability calculation section 60, described above (1) to (4) to only may be calculated feature point reliability by using one of the expressions, (1) to (4) the minutia reliability using more than was calculated, the total value of the calculated reliability may be calculated as the final point feature reliability of the.
【0113】 [0113]
このように、本発明の第2実施形態としての指紋データ合成装置1Aによれば、第1実施形態と同様の作用効果が得られるほか、各特徴点の信頼度を特徴点信頼度算出部60で算出し、その信頼度に応じて、指紋データ合成部40Aが、共通特徴点を代表する特徴点を選択することにより、合成指紋データを成す特徴点として、信頼性の高いものを容易に選択できる。 Thus, according to the fingerprint data synthesis apparatus 1A of the second embodiment of the present invention, in addition to the same effect as the first embodiment can be obtained, minutia reliability calculation section the reliability of each feature point 60 in calculating, in accordance with the reliability, the fingerprint data synthesis section 40A are, by selecting the feature points representing the common feature points, as feature points forming the synthetic fingerprint data, easily select a high reliability it can.
【0114】 [0114]
従って、誤特徴点(信頼性の低い特徴点)が排除され、正特徴点(信頼性の高い特徴点)のみによって合成指紋データが再構成されるので、信頼性の高い合成指紋データを容易に作成することができ、ひいては、指紋による個人確認を行なうシステムにおいて、より高い照合性能を実現することができる。 Accordingly, the mis-feature points (low minutia reliability) is eliminated, since the synthesized fingerprint data by only positive feature point (reliable feature point) is reconfigured easily reliable synthetic fingerprint data can be created, thus, in a system which performs personal confirmation by the fingerprint, it is possible to achieve a higher matching performance.
【0115】 [0115]
〔3〕第3実施形態の説明図17は本発明の第3実施形態としての指紋データ合成装置の機能構成を示すブロック図であり、この図17に示す第3実施形態の指紋データ合成装置1Bは、第1実施形態と同様の指紋データ抽出部10,指紋データ記憶部20および検証部50を有するほか、特徴点ラベル割り当て部70,指紋データ照合部80,特徴点信頼度算出部60B,共通特徴点データ記憶部90および指紋データ合成部40Bを有して構成されている。 [3] Description 17 according to the third embodiment is a block diagram showing a functional configuration of a fingerprint data synthesizing device as a third embodiment of the present invention, the fingerprint data synthesis apparatus 1B of the third embodiment shown in FIG. 17 , the same fingerprint in the first embodiment the data extraction section 10, in addition to having a fingerprint data storage unit 20 and the verification unit 50, a feature point label allocation unit 70, the fingerprint data verifying unit 80, a feature point reliability calculation section 60B, a common It is configured to include a feature point data storage unit 90 and the fingerprint data synthesis section 40B. なお、既述の符号と同一の符号は同一もしくはほぼ同一の部分を示しているので、その説明は省略する。 Since reference numerals as described above and the same reference numerals denote the same or substantially the same portions, description thereof will be omitted.
【0116】 [0116]
ここで、本実施形態の指紋データ合成装置1Bも、第1実施形態の指紋データ合成装置1と同様、CPU,RAM,ROMなどをバスラインにより接続して構成される、パソコン等のコンピュータシステムにより実現されるものである。 Here, the fingerprint data synthesis apparatus 1B of the present embodiment also, similarly to the fingerprint data synthesizing apparatus 1 of the first embodiment, CPU, RAM, configured ROM and the like are connected by a bus line, by a computer system such as a personal computer it is realized.
そして、指紋データ合成装置1Bにおける指紋データ合成部40B,特徴点信頼度60B,特徴点ラベル割り当て部70および指紋データ照合部80としての機能も、上述した第1実施形態の指紋データ抽出部10,共通特徴点探索部30,指紋データ合成部40および検証部50と同様、記録媒体に格納されたアプリケーションプログラムをCPU等で実行することにより実現される。 Then, the fingerprint data synthesis section 40B in the fingerprint data synthesis apparatus 1B, minutia reliability 60B, also functions as a feature point label allocation unit 70 and fingerprint data verification unit 80, the fingerprint data extraction section 10 of the first embodiment described above, common feature point searching unit 30, similarly to the fingerprint data synthesis section 40 and the verification unit 50 is realized by executing an application program stored in a recording medium such as a CPU. また、RAMやROMが、共通特徴点データ記憶部90としての機能を果たす。 Further, RAM and ROM is, serves as a common feature data storage unit 90.
【0117】 [0117]
さて、図17に示す第3実施形態の指紋データ合成装置1Bも、第1実施形態と同様、指紋を用いて個人確認を行なうシステムにおいて実際に個人認証を行なう際に使用される照合用指紋データ(登録指紋データ)を、指紋スキャナ2からの複数の指紋画像から合成・作成するためのものである。 Well, even fingerprint data synthesis apparatus 1B of the third embodiment shown in FIG. 17, similarly to the first embodiment, verification fingerprint data to be used when actually performing the personal authentication in a system which performs personal confirmed using fingerprints (registered fingerprint data) is used to create synthetic-from a plurality of fingerprint images from the fingerprint scanner 2.
【0118】 [0118]
ただし、第3実施形態の指紋データ合成装置1Bでは、指紋データ抽出部10により抽出された複数の特徴点どうしを照合する指紋データ照合部80が新たにそなえられほか、この指紋データ照合部80による照合結果に基づいて特徴点信頼度(後述する照合一致評価値)を算出する特徴点信頼度算出部60Bが、第2実施形態の特徴点信頼度算出部60に代えてそなえられ、さらに、特徴点信頼度算出部60Bによる算出結果に従って特徴点データの合成を行なう指紋データ合成部40Bが、第2実施形態の指紋データ合成部40Aに代えてそなえられている。 However, the fingerprint data synthesis apparatus 1B of the third embodiment, in addition fingerprint data verifying section 80 to collate a plurality of feature points to each other, which is extracted by the fingerprint data extraction section 10 is provided newly, according to the fingerprint data verifying section 80 collation minutia reliability based on the result (described later collation coincidence evaluation value) minutia reliability calculation unit 60B for calculating a is equipped in place of the feature point reliability calculation section 60 of the second embodiment, further, characterized fingerprint data synthesizing unit 40B which performs the synthesis of minutia data in accordance with the calculated result of the point reliability calculation section 60B has been provided in place of the fingerprint data synthesis section 40A of the second embodiment.
【0119】 [0119]
ここで、特徴点ラベル割り当て部70は、指紋データ記憶部20に記憶された複数の指紋データにおける各特徴点に対し、唯一の特徴点ラベル(識別子)を割り当てるほか、指紋データ照合部80による照合の結果、2以上の指紋データに同一の特徴点が共通に含まれることを認識した場合、その同一の特徴点に対し、同一の共通特徴点ラベル(合成特徴点ラベルと呼ぶ場合もある)を割り当てるものである。 Here, the feature point label allocation unit 70, for each feature point in the plurality of fingerprint data stored in the fingerprint data storage unit 20, in addition to assigning a unique feature point label (identifier), verification by the fingerprint data verifying section 80 as a result, when recognizing that the same feature points into two or more fingerprint data is included in the common, for that same feature point, the same common minutia label (sometimes called a synthetic minutia label also) it is intended to be assigned.
【0120】 [0120]
指紋データ照合部80は、前述した通り、指紋データ記憶部20に記憶された複数の指紋データどうしを照合し、個々の特徴点の照合一致状況を出力するものであり、第1実施形態や第2実施形態における共通特徴点探索部30としての機能を兼ねている。 Fingerprint data verifying section 80, as described above, to match a plurality of fingerprint data with each other stored in the fingerprint data storage unit 20, and outputs a collation coincidence condition of individual characteristic points, first embodiment and the also it functions as a common feature point searching unit 30 in the second embodiment.
【0121】 [0121]
特徴点信頼度算出部60Bは、図18を参照しながら後述するごとく、指紋データ照合部80による照合結果(各特徴点の照合一致状況)に基づいて、複数の指紋データにおける特徴点毎に、各特徴点の照合一致可能性を評価する照合一致評価値を特徴点信頼度として算出するものであり、例えば以下の項目(c1)〜(c3)のうちの少なくとも一つのデータを照合結果から得て、そのデータに基づいて、特徴点信頼度としての照合一致評価値を算出する。 Minutia reliability calculation section 60B is, as described later with reference to FIG. 18, based on the collation by the fingerprint data verifying section 80 results (collation coincidence state of each feature point), for each feature point in a plurality of fingerprint data, the collation coincidence evaluation value for evaluating the collation coincidence possibility of the feature points are those calculated as a feature point reliability, resulting from the comparison result at least one of the data of the example the following items (c1) ~ (c3) Te, based on the data, calculates the collation coincidence evaluation value as a characteristic point reliability.
【0122】 [0122]
(c1)照合対象の二つの特徴点について位置,種類(端点または分岐点)および方向を指紋データ照合部80により照合した結果のうちの少なくとも一つ。 At least one of (c1) position for the two feature points to be matched, the type (end points or branch points) and the direction the result of collation by the fingerprint data verifying section 80.
(c2)照合対象の二つの特徴点について、各照合対象特徴点と他の特徴点との関係情報を指紋データ照合部80により照合した結果。 (C2) for the two feature points to be matched, the relationship information between the verification object feature points and other feature points collated by the fingerprint data verifying section 80 results. ここで、関係情報としては、他の特徴点の位置,種類および方向のうちの少なくとも一つを用いてもよいし、各照合対象特徴点から他の特徴点までの隆線の本数を用いてもよいし、各照合対象特徴点から隆線を介した他の特徴点までの接続パターンを用いてもよいし、各照合対象特徴点から他の特徴点までの距離を用いてもよいし、各照合対象特徴点から他の特徴点までの隆線長を用いてもよい。 Here, the relationship information, the position of the other feature points, may be used at least one of type and direction, using the number of ridges from the comparison target feature point to another feature point may be, may be used to connect the pattern to the other feature points through the ridge from the verification object feature points, it may be used the distance from the verification object feature point to another feature point, the ridge length from the comparison target feature point to another feature point may be used.
(c3)各特徴点の照合一致回数をそのまま照合一致評価値として用いる。 (C3) is directly used as collation coincidence evaluation value collation coincidence count of each feature point.
【0123】 [0123]
さらに、特徴点信頼度算出部60Bは、図27を参照しながら後述するごとく、各特徴点の信頼度を、近辺の他の特徴点の信頼度に基づいて修正する機能も有している。 Further, the feature point reliability calculation section 60B is, as described later with reference to FIG. 27, the reliability of each feature point, also has a function to correct based on the reliability of other feature points in the vicinity.
また、共通特徴点データ記憶部90は、共通特徴点の特徴点ラベルと、その特徴点ラベルを特徴点ラベル割り当て部70によって割り当てられた特徴点についての信頼度(特徴点信頼度算出部60Bによる算出結果)と、その信頼度を求めたときの指紋データ番号(指紋データを特定する番号)とを対応させて記憶するものである。 The common feature point data storage unit 90, by the feature point labels common feature points, the reliability (feature point reliability calculation section 60B of the obtained feature points assigned to characteristic points labeled by minutia label allocation section 70 a calculation result), and stores in correspondence with that number) and identifying the fingerprint data number (fingerprint data when determined that reliability.
【0124】 [0124]
そして、第3実施形態の指紋データ合成部40Bは、特徴点信頼度算出部60Bによる算出結果に従って特徴点データの合成を行なうもので、合成指紋データ作成部41,位置合わせ用特徴点探索部42および合成指紋データ記憶部43をそなえて構成されている。 Then, the fingerprint data synthesis section 40B of the third embodiment is intended to perform the synthesis of minutia data in accordance with the calculated result of the feature point reliability calculation section 60B, synthetic fingerprint data generating unit 41, the positioning feature point searching unit 42 and it is configured to include a synthetic fingerprint data storage section 43.
合成指紋データ作成部41は、図19を参照しながら後述するごとく、指紋データ記憶部20に保存される指紋データと共通特徴点データ記憶部90に保存される共通特徴点データとに基づいて、合成すべき特徴点を選択し、合成指紋データを作成するものである。 Synthetic fingerprint data generating unit 41, as will be described later with reference to FIG. 19, based on the common feature point data stored with the fingerprint data stored in the fingerprint data storage unit 20 in the common feature point data storage unit 90, select a feature point to be synthesized, it is to create a composite fingerprint data.
【0125】 [0125]
位置合わせ用特徴点探索部42は、図19を参照しながら後述するごとく、合成指紋データ作成部41が、合成指紋データに、新たに選択された特徴点データを追加する際に、その特徴点データの合成指紋データ内での位置合わせを行なうための、位置合わせ用特徴点を探索するものである。 Alignment feature point searching unit 42, as will be described later with reference to FIG. 19, synthetic fingerprint data generating unit 41, the synthetic fingerprint data, when adding a newly selected feature point data, the feature point for performing the alignment of the data within the synthetic fingerprint data, and searching the feature point for alignment.
つまり、指紋データ合成部40Bにおいて合成指紋データを作成する際には、位置合わせ用特徴点探索部42が、作成中の合成指紋データに含まれる特徴点の中から適当な特徴点を選択し、その特徴点を基準にして、合成指紋データを成す特徴点相互の位置合わせを行なっている〔図32(A)および図32(B)参照〕。 That is, when creating a fingerprint data synthesis section 40B in the synthesis fingerprint data, alignment feature point searching unit 42 selects an appropriate feature points from among the feature points included in the synthesis fingerprint data being created, the feature point in the reference, is performed positioning of feature points mutually forming a composite fingerprint data [FIG. 32 (a) and FIG. 32 (B) refer to Fig.
【0126】 [0126]
なお、位置合わせのための基準としては、上述したような特徴点以外に、複数の指紋データに共通に含まれている特徴点〔図31(A)および図31(B)参照〕や、指紋画像から求められる指紋中心〔図30(A)および図30(B)参照〕を用いてもよい。 As the reference for positioning, in addition to feature points as described above, and the feature points included in common in a plurality of fingerprint data [FIG. 31 (A) and FIG. 31 (B)], the fingerprints may be used fingerprints center obtained [see FIG. 30 (a) and FIG. 30 (B)] from the image.
【0127】 [0127]
合成指紋データ記憶部43は、合成指紋データ作成部41によって作成された合成指紋データを記憶するものである。 Synthetic fingerprint data storage unit 43 is configured to store the composite fingerprint data created by synthetic fingerprint data generating unit 41.
また、指紋データ合成部40Bは、図29(A)〜図29(D)を参照しながら後述するごとく、指紋データ照合部80による各特徴点と他の特徴点との関係情報の照合結果を参照し、信頼度の高い関係情報を収集して合成関係情報を作成し、その合成関係情報を、合成指紋データを成す特徴点の関係情報として、その合成指紋データに含ませる機能も有している。 Further, the fingerprint data synthesis section 40B is, as described later with reference to FIG. 29 (A) ~ FIG 29 (D), the collation result of the relationship information between the characteristic points by the fingerprint data verifying section 80 and the other feature points reference, to collect reliable relationship information to create a synthetic relational information, the combined relationship information, as the relation information of the feature points forming the synthetic fingerprint data, it has a function to include in the composite fingerprint data there.
【0128】 [0128]
次に、図18および図19に示すフローチャート(ステップS21〜S43)を参照しながら、第3実施形態の指紋データ合成手順について説明する。 Next, with reference to the flow chart (steps S21~S43) 18 and 19, will be described fingerprint data synthesis procedure of the third embodiment.
まず、指紋スキャナ2により同じ指について採取された複数の指紋画像は、それぞれ、指紋データ抽出部10に入力され、この指紋データ抽出部10により、各指紋画像から、特徴点(端点,分岐点),指紋隆線方向,特徴点間距離,特徴点間隆線長や、各照合対象特徴点から隆線を介した他の特徴点までの接続パターンや、指紋特徴点間の隆線本数を含む関係情報などが抽出されて、指紋データが作成される(ステップS21)。 First, a plurality of fingerprint images by the fingerprint scanner 2 taken for the same finger, respectively, are inputted to the fingerprint data extraction section 10, by the fingerprint data extraction section 10, from the fingerprint image, feature points (end points, branch points) , including fingerprint ridge direction, distances between the feature points, ridge length or between the feature points, the connection patterns and to other feature points through the ridge from the verification object feature points, the ridge number between fingerprint characteristic points etc. is extracted related information, the fingerprint data is created (step S21). 指紋画像毎に作成された指紋データは、指紋データ記憶部20に格納される。 Fingerprint data created for each fingerprint image is stored in the fingerprint data storage unit 20.
【0129】 [0129]
指紋データ記憶部20に格納された全ての指紋データの各特徴点には、特徴点ラベル割り当て部70により、共通特徴点を探索する準備として、重複しないように特徴点ラベルが割り当てられる(ステップS22)。 Each feature points of all of the fingerprint data stored in the fingerprint data storage unit 20, the feature point label allocation unit 70, in preparation for searching the common feature points, the feature point label so as not to overlap is assigned (step S22 ). なお、以下、合成すべき複数(n個)の指紋データを、それぞれ、Fi(i=1,…,n:iは指紋データ番号)として扱う。 Hereinafter, a fingerprint data of a plurality to be synthesized of (n), respectively, Fi (i = 1, ..., n: i fingerprint data number) treated as.
【0130】 [0130]
また、共通特徴点データ記憶部90上に、共通特徴点の特徴点ラベルと、その特徴点ラベルを特徴点ラベル割り当て部70によって割り当てられた特徴点についての信頼度と、その信頼度を求めたときの指紋データ番号とを対応させて保存するための共通特徴点リストLを用意する(ステップS23)。 Further, on the common feature point data storage section 90, was determined and the feature point labels common feature points, the reliability of the feature points assigned by the feature point label allocation unit 70 its characteristic point label, the reliability providing a common feature point list L for storing in association with the fingerprint data number when (step S23).
そして、指紋データ照合部80は、指紋データFiの組(Fp,Fq)を作りながら(ステップS24)、全ての指紋データの組合わせについて(ステップS33でYES判定となるまで)、指紋照合処理を実行する。 Then, the fingerprint data verifying unit 80, while making a set (Fp, Fq) of fingerprint data Fi (step S24), and the combination of all of the fingerprint data (until determined YES at step S33), the fingerprint collation processing Run. ただし、p,qはいずれも1以上n以下の自然数で、p≠qである。 However, p, q be 1 to n a natural number of one is a p ≠ q.
【0131】 [0131]
つまり、指紋データ照合部80は、まず、指紋データFpとFqとの照合を行ない、これらの指紋データFp,Fqにおける特徴点の照合関係(対応関係)を調べ(ステップS25)、その結果を特徴点ラベル割り当て部70および特徴点信頼度算出部60Bに通知する。 That is, the fingerprint data verifying section 80, firstly, performs matching between fingerprint data Fp and Fq, examine these fingerprint data Fp, matching relationship of the feature points in Fq (corresponding relationship) (step S25), and wherein the result It informs the point label allocation unit 70 and the feature point reliability calculation section 60B.
【0132】 [0132]
指紋データ照合部80による照合の結果、2以上の指紋データに同一の特徴点が共通に含まれることを認識した場合、その同一の特徴点に対し、特徴点ラベル割り当て部70は、同一の共通特徴点ラベルを生成して割り当てる。 Result of the collation by the fingerprint data verifying section 80, if recognizing that the same feature points into two or more fingerprint data is included in the common, for that same feature point, the feature point label allocation unit 70, the same common generate and assign feature point label. また、特徴点ラベル割り当て部70は、同一特徴点だと判定された特徴点の特徴点ラベルを共通特徴点データ記憶部90に通知する。 The feature point label allocation unit 70 notifies the feature point label of feature points is determined to be a same feature point in the common feature point data storage unit 90.
【0133】 [0133]
また、特徴点信頼度算出部60Bは、特徴点の照合一致関係からその特徴点の特徴点信頼度を求め、共通特徴点データ記憶部90に通知する。 The feature point reliability calculation unit 60B obtains the minutia reliability of the feature point from the collation coincidence relationship of the feature point, and notifies the common feature point data storage unit 90. 共通特徴点データ記憶部90は、受信した共通特徴点のラベルと、特徴点信頼度と、その特徴点信頼度をもつ特徴点の指紋データ番号とを組として記憶する。 Common feature point data storage unit 90 stores the label common feature points received, and the feature point reliability, and a fingerprint data number of feature points having the point feature reliability as a set.
さらに、特徴点信頼度算出部60Bは、上述した項目(c1)〜(c3)のうちの少なくとも一つのデータを照合結果から得て、そのデータに基づいて、特徴点信頼度としての照合一致評価値を算出する。 Further, the feature point reliability calculation unit 60B obtains the verification result at least one data of the above item (c1) ~ (c3), based on the data, collation coincidence evaluation as minutia reliability to calculate the value. その算出手法の詳細については、図20(A)〜図27を参照しながら後述する。 For details of the calculation method will be described later with reference to FIG. 20 (A) ~ FIG. 27.
【0134】 [0134]
このとき、指紋データ照合部80は、指紋データFp,Fqから、照合一致した特徴点の組を一つ取り上げ(ステップS26)、どちらか一方の特徴点ラベルが合成特徴点ラベル(共通特徴点ラベル)であるか否かを判定する(ステップS27)。 In this case, the fingerprint data verifying unit 80, the fingerprint data Fp, from Fq, pick one set of matching the matched feature points (step S26), one of the feature point labeled synthetic minutia label (common minutia label ) determines whether a (step S27).
【0135】 [0135]
どちらか一方の特徴点ラベルが合成特徴点ラベル(共通特徴点ラベル)である場合(ステップS27からYESルート)、合成特徴点ラベルではない方の特徴点ラベルを合成特徴点ラベルに変更してから(ステップS28)、既に共通特徴点リストLに保存されている合成特徴点ラベルの信頼度と、指紋データFp,Fqから取り上げられた2つの特徴点の信頼度とのうち一番高いものを選択し、選択された信頼度と、その信頼度をもつ特徴点が抽出された指紋データの番号とを共通特徴点リストLに登録し直す(ステップS29)。 If either of the feature point label is a synthetic minutia label (common minutia label) (YES route from step S27), after changing the feature point labels towards non-synthetic minutia label synthetic minutia label (step S28), selected already and the reliability of the synthetic minutia label stored in the common feature point list L, the fingerprint data Fp, those highest of the reliability of the two feature points, which are taken from Fq and the selected reliability, re-register the number of fingerprint data feature points are extracted with their confidence in the common feature point list L (step S29).
【0136】 [0136]
一方、指紋データFp,Fqから取り上げられた2つの特徴点の特徴点ラベルが両方とも合成特徴点ラベルではない場合(ステップS27からNOルート)、特徴点ラベル割り当て部70により、新規に合成特徴点ラベルを生成し、これら2つの特徴点の特徴点ラベルを、その合成特徴点ラベルに変更してから(ステップS30)、共通特徴点リストLに、変更後の特徴点ラベルと、2つの特徴点の信頼度のうち高い方の信頼度と、選択された信頼度をもつ特徴点が抽出された指紋データの番号とを新たに追加する(ステップS31)。 On the other hand, the fingerprint data Fp, if not the two synthetic minutia label minutia label both feature points picked up from Fq (NO route from step S27), the minutia label allocation section 70, newly synthesized characteristic point to generate labels, these two feature points labeled feature points, from its change in the synthesis minutia label (step S30), the common feature point list L, and the feature point labels after the change, the two characteristic points reliability and higher reliability of the newly adds the number of fingerprint data feature points are extracted with the selected reliability (step S31).
【0137】 [0137]
上述したステップS26〜S31の処理は、ステップS32でYES判定となるまで繰り返し実行され、指紋データFp,Fqについて照合した全ての特徴点に対して実行される。 Processing in steps S26~S31 described above is repeatedly executed until YES determination at step S32, the fingerprint data Fp, is performed for all the feature points match on Fq. そして、ステップS24〜S32の指紋照合処理は、ステップS33でYES判定となるまで繰り返し実行され、全ての指紋データの組み合わせに対して実行される。 The fingerprint verification processing in step S24~S32 are repeatedly executed until determined YES at step S33, is performed for all combinations of the fingerprint data. これにより、全ての指紋データにおける全特徴点に関して、共通特徴点の調査、および、特徴点信頼度の計算が行なわれ、その結果は、共通特徴点データ記憶部90の共通特徴点リストLに保存される。 Thus, for all feature points in all of the fingerprint data, the common feature point survey, and performed calculation of the feature point reliability, the results are stored in a common minutia list L of the common feature point data storage section 90 It is.
【0138】 [0138]
なお、本実施形態では、ステップS25において、Fpを登録側指紋データとしFqを入力側指紋データとして、指紋データFpとFqとの照合が行なわれる。 In the present embodiment, at step S25, the Fq and the registering fingerprint data Fp as input fingerprint data, collation between the fingerprint data Fp and Fq performed. このようにFpを登録側指紋データとしFqを入力側指紋データとして照合を行なった場合と、Fqを登録側指紋データとしFpを入力側指紋データとして照合を行なった場合とでは、異なる照合結果が得られ、各特徴点の信頼度も異なってくる。 The case in this way was subjected to matching Fq and the registering fingerprint data Fp as input fingerprint data, in the case of performing the matching Fp and the registering fingerprint data Fq as input fingerprint data, different verification result obtained, come different degree of reliability of each of the feature points. 従って、本実施形態では、ステップS24において、2つの指紋データの組(Fp,Fq)を順列で作成し、(Fp,Fq)と(Fq,Fp)とのいずれに対してもステップS25〜S31の処理が実行されるようになっている。 Accordingly, in the present embodiment, in step S24, of the two fingerprint data sets to (Fp, Fq) created in permutation, step for either the (Fp, Fq) and (Fq, Fp) S25~S31 treatment is adapted to be executed.
【0139】 [0139]
ついで、上述のごとく得られた共通特徴点リストLに基づいて、指紋データ合成部40Bが、図19に示すステップS34〜S42の指紋合成処理を行なう。 Then, based on the common feature point list L obtained as described above, fingerprint data synthesis section 40B performs a fingerprint synthesis process of step S34~S42 shown in FIG. 19.
合成指紋データ記憶部43に、合成指紋データRを格納するための空領域を確保しておいてから(ステップS34)、合成指紋データ作成部41は、共通特徴点データ記憶部90から共通特徴点の特徴点ラベル,その共通特徴点の信頼度および指紋データ番号を受信する。 Synthesis fingerprint data storage unit 43, the synthetic fingerprint data R from left to secure a free space for storing (step S34), the synthetic fingerprint data generating unit 41, the common feature points from the common feature point data storage section 90 feature point label, receives the reliability and the fingerprint data number of the common feature points.
【0140】 [0140]
まず、合成指紋データ記憶部43(合成指紋データR用の領域)に特徴点が一つもない場合、合成指紋データ作成部41は、共通特徴点リストLの共通特徴点中で、信頼度の最も高い特徴点Iを探索し(ステップS35)、その特徴点Iを無条件で合成指紋データ記憶部43に合成指紋データRとして登録する(ステップS36)。 First, when combining the fingerprint data storage unit 43 feature points (the region for synthetic fingerprint data R) is no one, is synthesized fingerprint data generating unit 41, in a common feature points common minutia list L, most reliability explore the high feature point I (step S35), and registers the feature point I in the synthesis fingerprint data storage section 43 unconditionally as synthetic fingerprint data R (step S36).
【0141】 [0141]
その後、合成指紋データ記憶部43(合成指紋データR用の領域)に既に特徴点が記憶されている場合、合成指紋データ作成部41は、次に合成すべき特徴点データを選択し(ステップS37)、位置合わせ用特徴点探索部42に、その特徴点の属する指紋データの番号を通知して位置合わせ用特徴点を探索するように命令する。 Then, if already feature point in the synthesis fingerprint data storage section 43 (region for synthetic fingerprint data R) is stored, the synthesized fingerprint data generating unit 41 selects the feature data to be next synthesis (step S37 ), the alignment feature point search section 42 commands the searching for the alignment feature point notifies the number of fingerprint data belongs characteristic points. ここで、合成指紋データ作成部41は、共通特徴点リストLに登録された共通特徴点ラベルの一つであるMを選択するものとする。 Here, synthetic fingerprint data generating unit 41 is intended to select, which is one of common feature points labeled registered in the common feature point list L M. また、その共通特徴点ラベルMを割り当てられた特徴点をP、この特徴点Pの属する指紋データの番号をNとする。 Further, to the common minutia label M assigned feature points P, the number of fingerprint data belongs feature point P and N.
【0142】 [0142]
合成指紋データ作成部41からの命令を受けた位置合わせ用特徴点探索部42は、合成指紋データRに既に登録された特徴点のうちで、指紋データF N内にも共通に存在する特徴点Cを、位置合わせ用特徴点として探索する(ステップS38)。 Synthetic fingerprint data generating unit positioning feature point searching unit 42 having received the instruction from the 41, among the already registered feature points in the synthesis fingerprint data R, feature points existing in common to the fingerprint data F N the C, and searches the feature point for alignment (step S38). つまり、位置合わせ用特徴点探索部42は、合成すべき特徴点Pの存在する指紋データF Nに含まれる特徴点と、合成指紋データ記憶部43に既に登録されている特徴点データとで共有される特徴点Cが存在するか否かを探索する。 In other words, positioning feature point search unit 42, shared by the feature points included in the fingerprint data F N in the presence of the feature point P to be synthesized, already feature point data registered in the synthesized fingerprint data storage section 43 feature point C is to explore whether there.
【0143】 [0143]
上述のような特徴点Cが存在しない場合(ステップS39からNOルート)には、後述するステップS42へ移行する一方、特徴点Cが存在する場合(ステップS39からYESルート)、位置合わせ用特徴点探索部42は、その探索結果(特徴点Cの情報)を合成指紋データ作成部41に返す。 When the characteristic point C as described above does not exist (NO route from step S39), while proceeds to step S42 to be described later, when there is a characteristic point C (YES from step S39 route), the feature point for alignment search unit 42 returns the search result (information of the feature point C) synthesis fingerprint data generating unit 41.
【0144】 [0144]
そして、合成指紋データ作成部41は、探索された特徴点Cを用いて、指紋データF Nと合成指紋データRとの位置合わせを行なった後(ステップS40)、合成すべき特徴点Pの特徴点データを、合成指紋データ記憶部43における合成指紋データRに追加・記憶する(ステップS41)。 Then, the composite fingerprint data generating unit 41, using the search feature point C, after performing the alignment of the fingerprint data F N and synthetic fingerprint data R (step S40), characteristics of the feature points P to be synthesized point data, adds and stored in the synthesized fingerprint data R in synthetic fingerprint data storage section 43 (step S41). なお、ステップS40での具体的な位置合わせ手法については、図32(A)および図32(B)を参照しながら説明する。 The specific registration method in step S40, will be described with reference to FIG. 32 (A) and FIG. 32 (B).
【0145】 [0145]
上述したステップS37〜S41の処理は、ステップS42でYES判定となるまで繰り返し実行されて、共通特徴点リストLに登録された全ての共通特徴点に対して実行され、これにより、全ての共通点特徴点に対する指紋合成処理を終了する。 Processing in steps S37~S41 described above is repeatedly executed until YES determination at step S42, is performed on all registered in the common minutia list L of the common feature points, thereby, all the common point It ends the fingerprint synthesis process for the feature points.
そして、最後に、第1実施形態と同様、指紋データ合成部40Bによる合成結果(合成指紋データR)が妥当な指紋データを形成しているか否かが、検証部50により検証される(ステップS43)。 Finally, as in the first embodiment, whether the fingerprint data synthesis section 40B by synthesis result (synthesized fingerprint data R) forms a reasonable fingerprint data is verified by the verification unit 50 (step S43 ).
【0146】 [0146]
次に、図20(A)〜図33を参照しながら、第3実施形態の指紋データ合成手順について、より詳細に説明する。 Next, referring to FIG. 20 (A) ~ 33, the fingerprint data synthesis procedure of the third embodiment will be described in more detail.
なお、図20(A)〜図26(C)はいずれも本実施形態での特徴点信頼度(照合一致評価値)の算出手法を説明するための図、図27は本実施形態での特徴点信頼度の修正手法を説明するための図、図28は本実施形態での指紋データの合成結果の例を説明するための図、図29(A)〜図29(D)はいずれも本実施形態での特徴点の合成関係情報の作成手法を説明するための図、図30(A)〜図32(B)はいずれも本実施形態での特徴点の位置合わせ手法を説明するための図、図33は本実施形態での指紋データ照合手法の変形例を説明するためのフローチャートである。 Incidentally, FIG. 20 (A) ~ FIG 26 (C) is a diagram for explaining a calculating method of any point feature reliability in the present embodiment (collation coincidence evaluation value), FIG. 27 is characterized in this embodiment diagram for explaining the modification technique of the point reliability, the both Figure 28 is a diagram for explaining an example of synthesis results of fingerprint data in the present embodiment, FIG. 29 (a) ~ FIG 29 (D) is diagram for explaining a method of creating synthetic relational information of feature points in the embodiment, FIG. 30 (a) ~ FIG 32 (B) any for explaining a registration method of a feature point in this embodiment FIG, 33 is a flow chart for explaining a modification of the fingerprint data verification method in the present embodiment.
【0147】 [0147]
さて、前述した第2実施形態での特徴点信頼度の算出手法では、ある指紋データにおける各特徴点の信頼度は、その指紋データ内の情報だけに基づいて算出されている。 Now, the method of calculating the feature point reliability in the second embodiment described above, the reliability of the feature points in a certain fingerprint data is calculated based only on the information in the fingerprint data. つまり、第2実施形態では、隆線構造の形状のみに基づいて特徴点信頼度が算出されている。 That is, in the second embodiment, minutia reliability based only on the shape of the ridge structure is calculated. このような第2実施形態の手法とは異なるアプローチで指紋データに含まれている特徴点が正しいかどうかを確実に知る手法として、同一の指紋であるとわかっている指紋データどうしを照合し、特徴点どうしが正しく照合一致するかを確認する手法がある。 As a method to know whether the feature points included in the fingerprint data in different approach to techniques such second embodiment is correct to ensure collates fingerprint data with each other which have been found to be the same fingerprint, there is a method to check whether the feature point each other to correctly match match. 第3実施形態では、このような手法を採用することにより、第2実施形態よりも精度の良い特徴点信頼度の算出を可能にしている。 In the third embodiment, by adopting such a method, allowing the calculation of accurate feature points reliability than the second embodiment.
【0148】 [0148]
まず、特徴点どうしの照合について説明する。 First, a description will be given matching each other feature points.
先に述べたように、特徴点データには、特徴点の位置,種類,方向を含む特徴点基本データと他の特徴点との関係を表した特徴点関係データとの二つがある。 As mentioned earlier, the feature point data, the position of the feature point, the type, there are two feature point relationship data representing the relationship with other feature points and the feature point basic data including directions. 特徴点データの照合とは、これら二つのデータの照合を行なうことを指す。 The matching feature data refers to performing matching of these two data.
例えば、特徴点関係データが、注目特徴点から他の特徴点までの隆線の本数で表されている場合の特徴点照合を考える。 For example, the feature point related data, consider the feature point matching when represented by the number of ridges from the target feature point to another feature point.
【0149】 [0149]
特徴点どうしの照合の具体例を、図20(A)および図20(B)により説明する。 Specific examples of the matching of each other feature points will be described with reference to FIG. 20 (A) and FIG. 20 (B). これらの図20(A)および図20(B)にそれぞれ示す、指紋データにおける特徴点Xと特徴点X'との照合を考える。 Are shown in these figures 20 (A) and FIG. 20 (B), the considered matching between the feature points X and the feature point X 'in the fingerprint data. ここで、特徴点Xと特徴点X'とは、それぞれ二つの指紋データに共通に含まれる共通特徴点であり、これらの特徴点X,X'の位置,種類,方向の特徴点基本データは、それぞれ、所定の範囲内で一致しているものとする。 Here, feature points X and the feature point X 'and a common feature points to which a commonly included in two of the fingerprint data, these characteristic points X, X' position of the type, direction of the feature point basic data , respectively, and a match within a predetermined range.
【0150】 [0150]
まず、指紋中心などを用いて互いの指紋データの共通座標軸を設定してから、特徴点Xと特徴点X'とについて、特徴点関係データ(関係情報)の照合を行なう。 First, using the fingerprint center after setting the common coordinate axes of each other fingerprint data, the feature point X and the feature point X ', collates the feature point related data (related information). その照合結果は、以下の通りになる。 As a collation result is as follows.
・特徴点Xから特徴点Tまでの隆線本数と特徴点X'から特徴点Toまでの隆線本数とは一致。 - match from the feature point X and the ridge number from the ridge number and the feature point X 'to the feature point T until the feature point To.
・特徴点Xから特徴点Sまでの隆線本数と特徴点X'から特徴点Soまでの隆線本数とは不一致。 Disagreement with the ridge number of, from the feature point X from the ridge number and the feature point X 'to the feature point S to the feature points So.
・特徴点Xから特徴点Qまでの隆線本数と特徴点X'から特徴点Qoまでの隆線本数とは一致。 - match from the feature point X and the ridge number from the ridge number and the feature point X 'to the feature point Q to the feature point Qo.
・特徴点Xから特徴点Pまでの隆線本数と特徴点X'から特徴点Poまでの隆線本数とは一致。 - match from the feature point X and the ridge number from the ridge number and the feature point X 'to the feature point P to the feature point Po.
【0151】 [0151]
つまり、関係情報の4分の3については照合一致し、残りの4分の1については照合不一致となっている。 In other words, match verification for three-quarters of the related information, and has a disagreement about the remaining one quarter.
ここでは、照合した二つの指紋データは、予め同じ指から得られたものであることが分かっているので、本来はこれらの特徴点関係データの全てが一致しなければならない。 Here, two fingerprint data verification in advance since it has been found that those obtained from the same finger, originally all these minutia relational data must match.
【0152】 [0152]
しかし、先に説明したように、実際には指紋画像の採取の度に、汗や乾燥などの指の状態や、指紋スキャナ2(指紋入力領域100)に対する指の置き方が異なるために、同じ指でも得られる指紋画像が異なってしまう。 However, as explained above, the actual every collection of fingerprint images, and finger sweat or dry state, to the way of placing the finger against the fingerprint scanner 2 (fingerprint input region 100) are different, the same fingerprint images can also be obtained by a finger becomes different. そのような複数の指紋画像から特徴点抽出をそれぞれ行なうので、全く同じ指紋データが得られるとは限らず、上述のごとく照合を行なって完全一致しない場合がある。 Since performing a plurality of such feature points extracted from a fingerprint image, respectively, not necessarily obtained exactly the same fingerprint data may not exactly match by performing matching as described above.
【0153】 [0153]
皺や傷の形状,皮膚の柔らかさなどが指の各部分で異なるので、指紋データとして抽出した特徴点の中には、比較的再現性の良い特徴点もあれば、再現性の悪い特徴点もある。 The shape of wrinkles and scratches, because such softness of the skin are different in each part of the finger, in the feature points extracted as fingerprint data, some relatively good reproducibility characteristic points, reproducible bad feature point there is also. 再現性の良い特徴点(信頼度の高い特徴点)だけを集めて指紋データを作成すれば、当然、指紋照合の性能が向上する。 By creating a fingerprint data collected only good reproducibility characteristic point (high minutia reliability), of course, it improves the performance of the fingerprint collation.
再現性の良い特徴点とは、即ち、照合一致しやすい特徴点なので、第3実施形態の特徴点信頼度算出部60Bは、特徴点データの照合結果に基づいて、以下のようにして特徴点信頼度(照合一致評価値)を導くことができる。 The good feature point reproducible, i.e., so collation coincidence easy feature points, the feature point reliability calculation section 60B of the third embodiment, based on the collation result of the feature point data, the feature points in the following manner it can be derived confidence (collation coincidence evaluation value).
【0154】 [0154]
特徴点信頼度(照合一致評価値)の第1の算出手法では、特徴点信頼度を特徴点の位置,種類,方向の特徴点基本データの照合結果から導く。 In the first method of calculating the feature point reliability (collation coincidence evaluation value), leads to a point feature reliability positions of the feature points, the type, the matching result in the direction of the feature point basic data.
つまり、二つの指紋データを照合し、照合一致した特徴点のみを特徴点信頼度の計算対象とする。 That is, matching two fingerprint data, the calculation target of the feature point reliability only collation matching feature points. この場合、特徴点信頼度を例えば次式(5)のように定義することにより、特徴点の種類が異なる場合には、その特徴点の信頼度は最も低く設定され(−∞)、特徴点の種類が一致している場合には、位置および方向の誤差が小さい程、信頼度が高く設定される。 In this case, by defining as the example, the following equation minutia reliability (5), when the type of the feature points are different, the reliability of the feature point is set lowest (-∞), the feature point If the type of match is higher errors in the position and orientation is small, the reliability is set high.
【0155】 [0155]
ここで、δは、特徴点の種類が一致した時に1、それ以外の時に0に設定される値である。 Here, [delta] is 1 when the type of the feature points matches a value set to 0 in other cases. また、k1,k2は定数、E1は特徴点位置の誤差、E2は特徴点方向の誤差である。 Further, k1, k2 are constants, E1 is the feature point position error, E2 is an error in the feature point direction. 従って、注目特徴点の種類,位置,方向の全てが一致した場合、(5)式によって定義される特徴点信頼度は最大値0となる。 Thus, the type of feature point, position, if all the directions are matched, minutia reliability defined by equation (5) becomes the maximum value 0.
【0156】 [0156]
特徴点信頼度(照合一致評価値)の第2の算出手法では、特徴点信頼度を特徴点の関係情報の照合結果から導く。 In the second calculation method of the feature point reliability (collation coincidence evaluation value), it leads to a point feature reliability from the verification result on the related information of the feature points.
特徴点関係データの照合結果を確認することで、注目特徴点と周りに存在する特徴点との関係の再現性を確認することができる。 By confirming the verification result of the feature point related data, it is possible to check the reproducibility of the relationship between the feature points existing around the feature point. 特徴点関係データは、隆線構造を表現したものであるので、特徴点の照合に関して大きな判断材料になる。 Feature point related data, because it is a representation of a ridge structure, a big decisions regarding matching feature points. つまり、特徴点関係データの照合は、隆線構造の照合をしていることになるので、照合条件が特徴点基本データの照合よりも厳しい。 That is, the matching of the feature point related data, it means that the matching ridge structure, is stricter than collation minutia basic data collation condition. 従って、特徴点の抽出が不安定であると(即ち特徴点に再現性がないと)、特徴点関係データの照合結果は顕著に悪くなる。 Thus, (if there is no reproducible That feature point) of the feature point extraction as unstable, verification result of the feature point related data is remarkably deteriorated. 特徴点関係データの照合結果を用いれば、特徴点の再現性をよく示した特徴点信頼度を求めることができる。 With the verification result of the feature point related data can be obtained minutia reliability showing good reproducibility of the feature point.
【0157】 [0157]
以下に、上述のごとく、特徴点信頼度を特徴点の関係情報の照合結果から導く手法について、図20〜図22を参照しながら説明する。 Hereinafter, as described above, a technique of directing the minutia reliability from the verification result on the related information of the feature point will be described with reference to FIGS. 20 to 22.
まず、特徴点関係データを注目特徴点近傍の他の特徴点の位置,種類,方向とし、これらを照合した場合について説明する。 First, the position of the other feature point in the vicinity of points of interest, wherein the feature point related data, type, and direction, a case of checking them. ここでは、図20(A)および図20(B)にそれぞれ示す、指紋データにおける特徴点Xと特徴点X'とについて、照合を行なったものとする。 Here, it is shown in FIGS. 20 (A) and FIG. 20 (B), the the feature point X and the feature point X 'in the fingerprint data, and that performs collation.
【0158】 [0158]
以下の説明文中において、「同じ」とは、特徴点どうしが位置,種類および方向について所定の範囲内で一致するということを意味する。 In the following description text, the term "same", feature points with each other is located, means that matches the type and direction within a predetermined range. ここで、「特徴点どうしが位置,種類および方向について所定の範囲内で一致する」という表現は、2つの特徴点の種類が必ずしも一致していなくても、これら2つの特徴点の位置や方向が所定の条件を満たしていれば、これら2つの特徴点が同じものであると見なす場合があることを示唆している。 Here, the expression "characteristic points each other is located, matching the types and directions within a predetermined range", even if the type of the two feature points not necessarily coincide, the position and orientation of the two characteristic points there has been suggested that it may if they meet a predetermined condition, regarded as the two feature points are the same. さらに、「近傍特徴点」は、注目特徴点Xを中心とし所定の半径を有する円領域内に存在する特徴点として定義される。 Moreover, "near the feature point" is defined as the feature points existing in a circle region having a predetermined radius centering on the feature point X.
【0159】 [0159]
このときの照合結果は、以下のようになる。 Collation result at this time is as follows.
・特徴点Xの近傍特徴点である特徴点Tと同じ位置,種類,方向の特徴点(To)が特徴点X'にもある。 · Minutia same position, wherein the point T in the vicinity feature points X, type, also in the direction of the feature point (To) is the characteristic point X '.
・特徴点Xの近傍特徴点である特徴点Sと同じ位置,種類,方向の特徴点が特徴点X'にはない。 - the same position as the feature point S in the vicinity feature points of the feature point X, the type, not the feature point X 'is the direction of the feature point.
・特徴点Xの近傍特徴点である特徴点Rと同じ位置,種類,方向の特徴点が特徴点X'にはない。 - the same position as the feature point R in the vicinity feature points of the feature point X, the type, not the feature point X 'is the direction of the feature point.
・特徴点Xの近傍特徴点である特徴点Qと同じ位置,種類,方向の特徴点(Qo)が特徴点X'にもある。 · Minutia same position as the feature point Q in the vicinity feature points X, type, also in the direction of the feature point (Qo) is the characteristic point X '.
・特徴点Xの近傍特徴点である特徴点Pと同じ位置,種類,方向の特徴点(Po)が特徴点X'にもある。 · Minutia same position, wherein the point P is near the feature point of the X, type, also in the direction of the feature point (Po) is the characteristic point X '.
即ち、関係情報の5分の3については照合一致し、残りの5分の2については照合不一致となっている。 That is, consistent matching for three-fifths of the relationship information, and has a disagreement about 2 remaining 5 minutes.
【0160】 [0160]
周りの特徴点の再現性の程度は、複数存在する近傍特徴点との関係データの照合一致程度を見ればわかる。 The degree of reproducibility of the feature point around the can be seen from collation order matching relationship data between the neighboring feature points plurality of. 従って、注目特徴点の特徴点信頼度を、例えば次式(6)のごとく近傍特徴点関係データの一致率として定義することにより、一致率が高い程、信頼度が高く設定されることになる。 Therefore, the point feature reliability of current feature point, for example by defining as the following equation (6) the rate of matching neighboring minutia relational data as described, the higher the match rate, that reliability is set high .
〔特徴点信頼度〕=N3/N4 (6) [Minutia reliability] = N3 / N4 (6)
ここで、N3は、一致した近傍特徴点関係データの数であり、N4は、近傍特徴点関係データの総数である。 Here, N3 is the number of matched neighbor feature points related data, N4 is the total number of neighbor feature points related data. 従って、図20(A)および図20(B)に示す例では、特徴点信頼度は、3/5=0.6となる。 Thus, in the example shown in FIG. 20 (A) and FIG. 20 (B), the minutia reliability becomes 3/5 = 0.6.
【0161】 [0161]
ついで、特徴点関係データを、注目特徴点から他の特徴点までの隆線の本数とし、その本数を照合した場合について説明する。 Then, the feature point related data, and the number of ridges from the target feature point to another feature point, will be described in which matches its number. ここでは、図21(A)および図21(B)にそれぞれ示す、指紋データにおける特徴点Xと特徴点X'とについて、照合を行なったものとする。 Here, it is shown in FIGS. 21 (A) and FIG. 21 (B), the the feature point X and the feature point X 'in the fingerprint data, and that performs collation. このときの照合結果は、以下のようになる。 Collation result at this time is as follows.
【0162】 [0162]
・特徴点Xから特徴点Tまでの隆線本数と特徴点X'から特徴点T'までの隆線本数とは一致。 - coincide with the ridge number of 'from the feature point T' ridge number and the feature point X to the feature point T to from the feature point X.
・特徴点Xから特徴点Sまでの隆線本数と特徴点X'から特徴点S'までの隆線本数とは不一致。 · Disagreement with the ridge number from the feature point X 'from the feature point S' ridge number and the feature point X to the feature point S to.
・特徴点Xから特徴点Qまでの隆線本数と特徴点X'から特徴点Q'までの隆線本数とは一致。 - coincide with the ridge number of 'from the feature point Q' ridge number and the feature point X to the feature point Q to from the feature point X.
・特徴点Xから特徴点Pまでの隆線本数と特徴点X'から特徴点P'までの隆線本数とは不一致。 · Disagreement with the ridge number from the feature point X 'from the feature point P' ridge number and the feature point X to the feature point P to.
即ち、関係情報の半分については照合一致し、残りの半分については照合不一致となっている。 That is, collation coincidence for half of relationship information, the other half has a disagreement.
【0163】 [0163]
このように、ある一つの特徴点についての特徴点データには、近傍の複数の特徴点に関する隆線本数関係データが含まれている。 Thus, the feature point data of a certain one feature point includes the ridge number relational data regarding a plurality of feature points in the vicinity. 特徴点関係データを照合するということは、各隆線本数関係データを照合していることにほかならない。 That matches feature points related data is none other than that by matching KakuTakashisen number relationship data. 隆線構造の再現性の程度は、複数ある隆線本数関係データの照合する程度を見ればわかる。 The degree of reproducibility of the ridge structure, can be seen the degree of matching of a plurality of ridge number relational data. 従って、特徴点信頼度を、例えば次式(7)のごとく隆線本数関係データの一致率として定義することにより、一致率が高い程、信頼度が高く設定されることになる。 Therefore, the point feature reliability, for example, by defining as a coincidence ratio of ridge number relational data as the following equation (7), the higher the match rate, so that the reliability is set high.
〔特徴点信頼度〕=N5/N6 (7) [Minutia reliability] = N5 / N6 (7)
ここで、N5は、一致した隆線本数関係データの数であり、N6は、隆線本数関係データの総数である。 Here, N5 is the number of matching ridge number relational data, N6 is the total number of ridge number relational data. 従って、図21(A)および図21(B)に示す例では、特徴点信頼度は、2/4=0.5となる。 Thus, in the example shown in FIG. 21 (A) and FIG. 21 (B), the minutia reliability becomes 2/4 = 0.5.
【0164】 [0164]
次に、特徴点関係データを、注目特徴点から隆線を介した他の特徴点までの隆線接続関係データ(接続パターン)とし、その隆線接続関係データを照合した場合について説明する。 Next, the feature point related data, and ridge connection relationship data from the target feature point to another feature point through the ridge (connection pattern), is described as being collated the ridge connection relationship data. ここでは、図22(A)および図22(B)にそれぞれ示す、指紋データにおける特徴点Xと特徴点X'とについて、照合を行なったものとする。 Here, it is shown in FIGS. 22 (A) and FIG. 22 (B), the feature point X and the feature point X 'in the fingerprint data, and that performs collation. このときの照合結果は、以下のようになる。 Collation result at this time is as follows.
【0165】 [0165]
・特徴点Xの左2本隣の隆線上には、特徴点Sがある。 · The ridgeline of the left two neighboring feature points X, is characterized point S. 特徴点X'の左2本隣の隆線上には、特徴点はない。 The ridgeline of the left two neighboring feature points X ', there is no feature point. 従って、特徴点X,X'の左2本隣の隆線に関する隆線接続関係データは一致しない。 Thus, ridge connection relationship data relating to the left two ridges of the adjacent feature points X, X 'are not identical.
・特徴点Xの左1本隣の隆線上には、特徴点Rがある。 · The ridgeline of the left one next to the feature point X, there is a feature point R. 特徴点X'の左1本隣の隆線上には、特徴点R'がある。 'The ridgeline of the left one next to the feature point R' characteristic point X is. 従って、特徴点X,X'の左1本隣の隆線に関する隆線接続関係データは一致する。 Thus, ridge connection relationship data relating to the left one ridge of the adjacent feature points X, X 'coincide.
【0166】 [0166]
・特徴点Xの存在する隆線上には、特徴点はない。 - The existing ridgeline of the feature point X, there is no feature point. 特徴点X'の同じ隆線上には、特徴点R'がある。 'The same ridgeline of the feature points R' characteristic point X is. 従って、特徴点X,X'の存在する隆線に関する隆線接続関係データは一致しない。 Thus, ridge connection relationship data relating to ridge the presence of characteristic points X, X 'are not identical.
・特徴点Xの右1本隣の隆線上には、特徴点Qがある。 • The ridgeline of the right one next to the feature point X, there is a feature point Q. 特徴点X'の右1本隣の隆線上には、特徴点Q'がある。 'The ridgeline of the right one next to the feature point Q' characteristic point X is. 従って、特徴点X,X'の右1本隣の隆線に関する隆線接続関係データは一致する。 Thus, ridge connection relationship data relating to the right one ridge of the adjacent feature points X, X 'coincide.
【0167】 [0167]
・特徴点Xの右2本隣の隆線上には、特徴点Pがある。 · The ridgeline of the right two neighboring feature points X, is characterized point P. 特徴点X'の右2本隣の隆線上には、特徴点はない。 The ridgeline of the right two neighboring feature points X ', there is no feature point. 従って、特徴点X,X'の右2本隣の隆線に関する隆線接続関係データは一致しない。 Thus, ridge connection relationship data relating to the right two ridges of the adjacent feature points X, X 'are not identical.
即ち、5個ある隆線接続関係データのうち、2個は照合一致し、残りの3個は照合一致しない。 That is, of the five certain ridge connection relationship data, two collates match, the remaining three are not collation coincidence.
【0168】 [0168]
このようにして特徴点Xの周辺の隆線構造を照合することができる。 It is possible to match the ridge structure around the feature point X in this way.
従って、特徴点信頼度を、例えば次式(8)のごとく隆線接続関係データの一致率として定義することにより、一致率が高い程、信頼度が高く設定されることになる。 Therefore, the point feature reliability, for example, by defining as a coincidence ratio of ridge connection relationship data as the following equation (8), the higher the match rate, so that the reliability is set high.
〔特徴点信頼度〕=N7/N8 (8) [Minutia reliability] = N7 / N8 (8)
ここで、N7は、照合一致した隆線接続関係データの数であり、N8は、特徴点Xのもっている隆線接続関係データの総数である。 Here, N7 is the number of collation matching ridge connection relationship data, N8 is the total number of ridge connection relationship data has characteristic points X. 従って、図22(A)および図22(B)に示す例では、特徴点信頼度は、2/5=0.4となる。 Thus, in the example shown in FIG. 22 (A) and FIG. 22 (B), minutia reliability becomes 2/5 = 0.4.
【0169】 [0169]
特徴点信頼度(照合一致評価値)の第3の算出手法では、複数の指紋データを互いに照合させ、個々の特徴点の照合一致回数に基づいて、特徴点信頼度を求める。 In the third calculation method of the feature point reliability (collation coincidence evaluation value), the plurality of fingerprint data is collated with each other, based on the collation coincidence count of an individual feature points, obtains the minutia reliability.
予め同じ指だと分かっている複数の指紋データを互いに照合し、順次、一致した特徴点を記録していく。 Advance against the plurality of fingerprint data that you know is the same finger to each other, successively, it will record the matched feature points. そして、一致と判定された回数の多さを、特徴点の信頼度として定義する。 Then, the abundance of the number of times it is judged consistent with, defined as the reliability of the feature points.
【0170】 [0170]
例えば、図23(A)〜図23(C)に示すような3つの指紋データF1,F2,F3を用いて、特徴点信頼度を求める場合について説明する。 For example, using three fingerprint data F1, F2, F3 as shown in FIG. 23 (A) ~ FIG 23 (C), it will be described for obtaining the minutia reliability. 以下に、一致と判定された回数を数える手順を説明する。 The following describes the procedure for counting the number of times it is judged consistent with.
まず、指紋データF1と指紋データF2とを照合させ、以下の結果を得る。 First, it is collated with the fingerprint data F1 and the fingerprint data F2, with the following results.
・特徴点Aと特徴点aとは同一。 And the same is the feature point A and the feature point a.
・特徴点Cと特徴点bとは同一。 And the same is the feature point C and the feature point b.
・特徴点Dと特徴点cとは同一。 - identical to the characteristic point D and the feature point c.
・特徴点Eと特徴点dとは同一。 And the same is the feature point E and the feature point d.
【0171】 [0171]
同一特徴点には同一のラベル(共通特徴点ラベル)を割り当てる。 The same feature points assigned the same label (common minutia label). 特徴点ラベルと照合一致した回数を数字で表すと、指紋データF1〜F3はそれぞれ図24(A)〜図24(C)に示すようになる。 Expressing the number of times collation coincidence with minutia label numbers are as shown in FIGS 24 fingerprint data F1~F3 is (A) ~ FIG. 24 (C).
次に、指紋データF1と指紋データF3とを照合し、次の結果を得る。 Next, it collates the fingerprint data F1 and the fingerprint data F3, obtaining the following results.
・特徴点Aと特徴点αとは同一。 And the same is the feature point A and the feature point α.
・特徴点Bと特徴点βとは同一。 And the same is the feature point B and the feature point β.
・特徴点Cと特徴点γとは同一。 - identical to the characteristic point C and point features gamma.
・特徴点Dと特徴点δとは同一。 - identical to the characteristic point D and the feature point [delta].
【0172】 [0172]
再び、同一特徴点には同一のラベル(共通特徴点ラベル)を割り当て、特徴点ラベルと照合一致した回数を数字で表すと、指紋データF1〜F3はそれぞれ図25(A)〜図25(C)に示すようになる。 Again, the same feature points assigned the same label (common minutia label), to represent the number of times collation coincidence with minutia label numbers, each fingerprint data F1~F3 the view 25 (A) ~ FIG 25 (C as shown in).
さらに、同様に、指紋データF2と指紋データF3とを照合し、ラベリングし直すと、指紋データF1〜F3はそれぞれ図26(A)〜図26(C)に示すようになる。 Further, similarly, it collates the fingerprint data F2 and the fingerprint data F3, the re-labeling is shown in FIGS 26 fingerprint data F1~F3 is (A) ~ FIG. 26 (C). 最終的に図26(A)〜図26(C)に示すごとく得られた照合回数が各特徴点の信頼度となる。 Finally matching the number obtained as shown in FIG. 26 (A) ~ FIG 26 (C) is the reliability of each feature point. 照合一致した回数を数えるということは、同じ特徴点データの発生頻度を数えていることにほかならない。 That counts the number of times the collation matching is none other than that counting the frequency of occurrence of the same feature point data.
【0173】 [0173]
ところで、上述したような各種算出手法で、注目特徴点について特徴点信頼度を算出した後、その注目特徴点の周りに誤特徴点が大量に発生していると分かった場合、たとえ注目特徴点の信頼度が高くても、その注目特徴点自体も誤特徴点である確率が高い。 Incidentally, in various calculation method as described above, after calculating the feature point reliabilities target feature point, if the feature point erroneous around its feature point is found to have heavily infested, even feature point reliability even at high, its high current feature point itself is also a feature point error probability.
例えば図27に示す特徴点Pcは、その方向が隆線の流れている方向に平行であり、他の特徴点Peとの距離が一定以上ある。 For example feature points Pc shown in FIG. 27, the direction is parallel to the direction in which the flow of the ridge, a distance between the other feature point Pe is more constant. このような場合、第2実施形態の手法で算出される信頼度は高くなる可能性がある。 In such a case, the reliability calculated by the method of the second embodiment may be higher. しかし、特徴点Pcの周りにある特徴点Peはほとんど誤特徴点であり、それを考慮すると自分自身が正特徴点である確率は低い。 However, feature points Pe which is around the feature point Pc is most erroneous feature points, the lower the probability consideration of itself is positive feature point it.
【0174】 [0174]
そこで、第3実施形態の特徴点信頼度算出部60Bは、例えば下式(9)のような演算を行なうことにより、周囲に信頼度の低い特徴点が多く存在する場合には、既に算出された特徴点信頼度を下げるように修正する。 Therefore, minutia reliability calculation section 60B of the third embodiment, for example, by performing operations such as the following equation (9), when there are many low minutia reliability around it is already calculated It was modified to reduce the minutia reliability.
〔修正後の特徴点信頼度〕=〔修正前の特徴点信頼度〕*K (9) = [Unmodified minutia reliability] [minutia reliability of the corrected] * K (9)
ここで、Kは、注目特徴点の周囲に存在する特定の他の特徴点のうち、所定値以上の信頼度をもつもの割合である。 Here, K is, among certain other feature points existing around the feature point of interest is the percentage of those with the reliability value exceeding a predetermined value. なお、「特定の他の特徴点」とは、例えば、特徴点から所定の半径以内の領域にある他の特徴点や、隆線を介してつながっている他の特徴点などである。 Note that "certain other feature points", for example, other feature points and at a predetermined radius within a region from the feature points, and the like Other features that are connected through the ridge.
【0175】 [0175]
従って、「特定の他の特徴点」の全てが、所定値以上の信頼度をもっている場合にはK=1となり、特徴点信頼度は修正されないが、「特定の他の特徴点」の全てが、所定値よりも小さい信頼度をもっている場合にはK=0となり、特徴点信頼度は0となる。 Thus, all of the "certain other feature point" is, if you have the reliability value exceeding a predetermined value K = 1, and the feature point reliability is not modified and all of the "certain other feature points" is , if you have a small reliability than the predetermined value becomes K = 0, and the feature point reliability 0. ただし、上式(9)は、〔修正前の特徴点信頼度〕が常に正値である場合に有効である。 However, the above equation (9) is valid if it is always positive is [unmodified minutia reliability]. 〔修正前の特徴点信頼度〕が負値になる場合には、上記割合Kに反比例する値を、〔修正前の特徴点信頼度〕から減算する。 [Unmodified minutia reliability] is when a negative value, a value that is inversely proportional to the ratio K, is subtracted from [unmodified minutia reliability].
【0176】 [0176]
さて、次に、上述のようにして照合結果から算出された特徴点信頼度(照合一致評価値)に基づいて複数の指紋データを一つにまとめる手法(指紋合成処理)の変形例について説明する。 Now, following is a description of a modification of techniques combined into one multiple fingerprint data based on the feature point reliability calculated from the verification results as described above (collation coincidence evaluation value) (fingerprint image synthesis process) .
まず、それぞれの指紋データに存在する特徴点の一致関係(同一特徴点の関係)を調べる。 First, find matching relationship of feature points present in each of the fingerprint data (relationship between the same feature point). その一致関係は、互いに二つの指紋データを照合し、各特徴点の照合一致結果に基づいて求められる。 The matching relationship to each other against the two fingerprint data is determined based on the collation coincidence result of the feature points. 具体的な手法は、図23〜図26を参照しながら説明した手法と同様である。 Specific method is similar to the method described with reference to FIGS. 23 to 26.
【0177】 [0177]
ついで、特徴点の信頼度の高いものを選択し、それを使って一つの指紋データを作成する。 Then, select the higher reliability of the feature point, to create a single fingerprint data with it. 例えば、図26(A)〜図26(C)に示すように得られた3つの指紋データF1〜F3を合成すると、図28に示すような、一つの合成指紋データRが作成される。 For example, when synthesizing the three fingerprint data F1~F3 obtained as shown in FIG. 26 (A) ~ FIG 26 (C), as shown in FIG. 28, one synthetic fingerprint data R is generated.
【0178】 [0178]
なお、図28において、共通特徴点ラベルを示すアルファベットに付された下線の種類は、特徴点データが合成前のどの指紋データに属するものであるかを示している。 Incidentally, in FIG. 28, the type of underlining attached to the letter of the common minutia label, the characteristic point data indicates whether belongs to which fingerprint data before synthesis. つまり、下線を付されていない特徴点データは、指紋データF1に属していたものであり、一重の下線を付された特徴点データは、指紋データF2に属していたものであり、二重の下線を付された特徴点データは、指紋データF3に属していたものであることを示している。 That is, the feature point data that is not attached to underline, which belonged to the fingerprint data F1, feature data attached singlet underlined, which has belonged to the fingerprint data F2, double feature point data underlined indicates that those which belonged to the fingerprint data F3.
【0179】 [0179]
具体的な特徴点データの合成手順について、図33に示すフローチャート(ステップS51〜S58)に従って説明する。 Procedure for the synthesis specific feature point data will be described with reference to the flowchart (steps S51 to S58) shown in FIG. 33.
なお、この図33に示す合成手順は、図18および図19において説明した合成手順とは若干異なるもので、本実施形態での指紋データ照合手法の変形例である。 Incidentally, the synthetic procedure shown in FIG. 33, the synthetic procedure described in Figures 18 and 19 slightly different from a modification of the fingerprint data verification method in the present embodiment.
【0180】 [0180]
まず、特徴点データ合成後の指紋データRを格納するための空領域を用意する(ステップS51)。 First, a free area for storing the fingerprint data R after feature point data synthesis (step S51).
指紋画像に写っている指紋の位置は、指紋画像を採取する度に異なるので、単純に複数の指紋データ間で座標を比較できない。 Position of the fingerprint that is reflected in the fingerprint image is different each time the fingerprinted image can not be compared to coordinate among simple multiple fingerprint data. そこで、次に、全指紋データに共通の座標軸を設定する(ステップS52)。 Accordingly, next, to set the common coordinate axes to all fingerprint data (step S52). その共通の座標軸の原点は、指紋中心を用いたり特定の特徴点を用いたりする。 Its origin common coordinate axes, or with a particular feature point or using a fingerprint center. また、全指紋データに共通の座標軸を設定することなく特徴点の位置合わせを行なうこともできる。 It is also possible to perform alignment of the feature points without setting the common coordinate axes to all fingerprint data. なお、特徴点の位置合わせ手法(位置合わせ用の基準を決定する手法)の詳細については、図30〜図32を参照しながら後述する。 The details of the registration method of the feature point (method of determining a reference for alignment) will be described later with reference to FIGS. 30 to 32.
【0181】 [0181]
次に、全ての指紋データを互いに照合し、指紋特徴点の対応関係を調べ、同一の特徴点には、同一のラベルを割り当てる。 Then, against all of the fingerprint data with each other, checks the correspondence between the fingerprint feature points, the same feature point, assigns the same label. 例えば、同一の特徴点には、同一の共通特徴点ラベルAi(i=1〜n)をラベリングする(ステップS53)。 For example, the same feature points, labeling the same common minutia labels Ai (i = 1~n) (step S53).
そして、特徴点ラベル毎に、以下のような指紋合成の処理(ステップS54〜S58)を行なっていく。 Then, the feature point for each label, it performed the processing of the fingerprint synthesis as follows (step S54~S58).
【0182】 [0182]
まず、全ての特徴点について合成処理を行なったか否かを判断し(ステップS54)、行なった場合(YESルート)には、処理を終了する。 First, it is determined whether synthesis was conducted processing for all the feature points (step S54), the case of performing (YES route), the processing is terminated.
未処理の特徴点が存在する場合(ステップS54からNOルート)には、合成処理対象となる未処理の特徴点ラベルAiを一つ選択し(ステップS55)、そのラベルAiを割り当てられた特徴点の中から、最も高い信頼度をもつ特徴点を探索し、その信頼度をAi(max)とする(ステップS56)。 In a case where the feature point there is an unprocessed (NO route from step S54), the minutia labels Ai unprocessed to be synthesized processed selects one (step S55), feature points assigned the label Ai from the searches a feature point having the highest reliability to the reliability and Ai (max) (step S56).
【0183】 [0183]
そして、その信頼度Ai(max)が所定の数値を超える場合(ステップS57からYESルート)、合成指紋データRにその特徴点データ(特徴点基本データと特徴点関係データ)を登録してから(ステップS58)、ステップS54に戻る。 Then, the case that the reliability Ai (max) exceeds a predetermined value (YES route from step S57), the minutia data (basic data and the feature point related data feature points) from the registered synthetic fingerprint data R ( step S58), and returns to step S54. また、信頼度Ai(max)が所定の基準を満たさない場合、つまり、所定の数値以下である場合(ステップS57からNOルート)には、その特徴点データは、合成指紋データRへの登録・合成の対象から除外し、ステップS54に戻る。 Also, if the reliability Ai (max) does not satisfy a predetermined criterion, that is, when the predetermined numerical less (NO route from step S57), the feature point data, and registration of the synthetic fingerprint data R excluded from the synthesis of target returns to step S54.
このような処理が、他の指紋データにおける特徴点と照合一致した全ての特徴点について実行されると、指紋合成処理は完了する(ステップS54からYESルート)。 Such processes, when executed for all the feature points collated coincide with the feature points in the other fingerprint data, the fingerprint synthesis process is completed (YES route from step S54).
【0184】 [0184]
一方、指紋データ合成部40Bにより特徴点を合成する際には、特徴点関係データの照合結果から、信頼のできる特徴点関係データを選択し、特徴点データ自体を再作成することもできる。 On the other hand, in the synthesis of characteristic points by the fingerprint data synthesis section 40B, from the result of collation minutia relational data, it is also possible to select a feature point related data that can trusted, to recreate the feature point data itself. つまり、指紋データ合成部40Bが、指紋データ照合部80による各特徴点と他の特徴点との関係情報の照合結果を参照し、信頼度の高い関係情報(特徴点関係データ)を収集して合成関係情報を作成し、その合成関係情報を、合成指紋データを成す特徴点の関係情報として採用する。 That is, the fingerprint data synthesis unit 40B refers to the matching result of the relationship information between the feature points and other feature points by the fingerprint data verifying unit 80, collects a high relationship information reliability (feature point related data) It creates a composite relationship information, the combined relationship information is employed as the relationship information of the feature points forming the synthetic fingerprint data.
【0185】 [0185]
例えば図29(A)〜図29(D)に示すような4つの特徴点データが抽出されている場合、これらの特徴点データの照合関係は、次のようになる。 For example, when four feature point data as shown in FIG. 29 (A) ~ FIG 29 (D) is extracted, collated relationship between these feature data is as follows.
・特徴点Xと特徴点Tとの間にある隆線の本数は、2本のものが4個ある。 · The number of ridges lying between the minutia X and the feature point T are those of the two is four.
・特徴点Xと特徴点Sとの間にある隆線の本数は、1本のものが1個、2本のものが3個ある。 · The number of ridges lying between the minutia X and the feature point S is one is one thing, two things are three.
・特徴点Xと特徴点Rとの間にある隆線の本数は、1本のものが1個、0本のものが3個ある。 · The number of ridges lying between the minutia X and the feature point R, the one which one thing, there are three things 0 present.
・特徴点Xと特徴点Qとの間にある隆線の本数は、0本のものが4個ある。 · The number of ridges lying between the minutia X and the feature point Q is 4 being 0 present.
・特徴点Xと特徴点Pとの間にある隆線の本数は、1本のものが1個、2本のものが3個ある。 · The number of ridges lying between the minutia X and the feature point P is one is one thing, two things are three.
【0186】 [0186]
このように特徴点関係データにも再現性がある。 Thus reproducible in the feature point related data. そこで、特徴点の合成を行なう際に、上述のごとく各特徴点関係データの発生頻度を数え、その発生頻度の高いものを用いて特徴点関係データを作成しても、信頼性の高い特徴点データを作成することができる。 Therefore, when performing the synthesis of the feature points, it counted frequency of occurrence of each feature point related data as described above, be created feature point related data using what high frequency of occurrence, reliable feature point data can be created. 図29(A)〜図29(D)に示す例について、特徴点関係データを再構成すると以下のようになる。 For the example shown in FIG. 29 (A) ~ FIG 29 (D), is as follows reconstruct the feature point related data.
【0187】 [0187]
・特徴点Xと特徴点Tとの間にある隆線の本数は、2本である。 · The number of ridges lying between the minutia X and the feature point T is two.
・特徴点Xと特徴点Sとの間にある隆線の本数は、2本である。 · The number of ridges lying between the minutia X and the feature point S is two.
・特徴点Xと特徴点Rとの間にある隆線の本数は、0本である。 · The number of ridges lying between the minutia X and the feature point R is 0 present.
・特徴点Xと特徴点Qとの間にある隆線の本数は、0本である。 · The number of ridges lying between the minutia X and the feature point Q is 0 present.
・特徴点Xと特徴点Pとの間にある隆線の本数は、2本である。 · The number of ridges lying between the minutia X and the feature point P is two.
【0188】 [0188]
さて、指紋データ合成部40Bにより指紋合成を行なう際には、合成すべき複数の指紋データ間で共通の座標軸を設定しなければならない。 Now, when performing the fingerprint synthesis by the fingerprint data synthesis section 40B shall set a common axis between a plurality of fingerprint data to be synthesized. その際、例えば図31(A)および図31(B)に示すように、全ての指紋データに共通の特徴点P01,P02がそれぞれ含まれている場合には、その特徴点を基準(原点)として用い、全ての指紋データに共通の座標軸x,yを設定する。 At that time, for example, as shown in FIG. 31 (A) and FIG. 31 (B), when the common features in all of the fingerprint data P01, P02 are included respectively, based on the characteristic points (the origin) used as a common coordinate axis x to all fingerprint data sets y. また、合成すべき指紋データの数がN(Nは3以上の自然数)で全ての指紋データに共通の特徴点P01〜P0Nがそれぞれ含まれている場合には、その特徴点(P01〜P0N)を基準(原点)として用い、全ての指紋データに共通の座標軸x,yを設定する。 Further, when the number of fingerprint data to be synthesized N (N is the natural number of 3 or more) common feature points P01~P0N to all fingerprint data is included respectively, characteristic points (P01~P0N) used as a reference (origin), the common axis x into all of the fingerprint data, sets a y. このようにして設定した原点および座標軸x,yに基づいて、合成指紋データを成す特徴点相互の位置合わせを行なう。 Thus the origin was set up and coordinate axes x, based on the y, aligning the feature point cross forming composite fingerprint data.
【0189】 [0189]
なお、共通の原点となる特徴点は、再現性のある安定した特徴点でなければならないので、合成すべき全ての指紋データに共通に存在する特徴点がいくつもある場合は、そのうち、特徴点信頼度の一番高いものを選択する。 Incidentally, the feature point as a common origin, because it must be stable feature points reproducible, if feature points existing in common to all of the fingerprint data to be synthesized there are a number may, of which characteristic points select the one best high reliability.
また、図30(A)および図30(B)に示すように、全ての指紋データに共通の基準(原点)として、指紋画像から求められる指紋中心を用いてもよい。 Further, as shown in FIG. 30 (A) and FIG. 30 (B), as the common reference to all of the fingerprint data (origin) may be used fingerprints center obtained from a fingerprint image. その際、指紋中心としては、例えば、隆線の中で曲率の最も大きくなる点L01,L02が算出・選択する。 At that time, as the center of fingerprints, for example, becomes largest in terms of the curvature in the ridge L01, L02 is calculated and selected. そして、この指紋中心を原点とする座標軸x,yに基づいて、合成指紋データを成す特徴点相互の位置合わせを行なう。 Then, coordinate axes x of the fingerprint center as an origin, based on y, aligning the feature point cross forming composite fingerprint data.
【0190】 [0190]
上述した手法では、特徴点の合成を行なう際に、合成すべき全ての指紋データに共通の座標軸を設定している。 In the method described above, when performing the synthesis of the feature point, and set a common axis to all fingerprint data to be synthesized. しかし、合成すべき指紋データが、特徴点の存在範囲の偏ったものばかりであるときは、全ての指紋データに共通の座標軸を設定できない場合がある。 However, the fingerprint data to be synthesized, when it just that biased the existence range of the feature point may not be able to set a common axis to all fingerprint data.
そこで、そのような場合には、指紋特徴点を合成する度に共通の座標軸を設定するようにする。 Therefore, such a case is to set a common axis every time synthesizing the fingerprint feature points. つまり、作成中の合成指紋データに含まれる特徴点の中から選択した特徴点を基準にして、合成指紋データを成す特徴点相互の位置合わせを行なう。 That is, based on the selected feature points from among the feature points included in the synthesis fingerprint data being created, aligning the feature point cross forming composite fingerprint data.
【0191】 [0191]
例えば図32(A)および図32(B)に示すように、作成中の合成指紋データをRとし、合成すべき特徴点データを指紋データF Nの特徴点Pとし、この特徴点Pを指紋データRに合成する場合を考える。 For example, as shown in FIG. 32 (A) and FIG. 32 (B), the synthetic fingerprint data being created as R, the feature data to be synthesized with characteristic points P of the fingerprint data F N, fingerprint feature point P consider the case of synthesizing the data R. その合成手順は、図19のステップS38〜S42で説明した通りである。 Its synthesis procedure is as described in step S38~S42 in FIG.
【0192】 [0192]
つまり、まず、合成指紋データRの中から位置合わせに用いる特徴点Cを探す。 That is, first, look for the feature point C is used for alignment among the synthetic fingerprint data R. 位置合わせに用いる特徴点は、合成指紋データRと指紋データF Nとの両方に共通に存在する特徴点でなければならない。 Feature points used for alignment must be point features present in common in both the synthetic fingerprint data R and the fingerprint data F N. 合成指紋データRに既に登録された特徴点と同一特徴点(既に特徴点の対応関係は調査済み)を指紋データF Nから探索する。 Already registered feature points of the same feature point (corresponding relationship already feature points researched) Synthesis fingerprint data R to explore the fingerprint data F N. もし、同一特徴点が発見されない場合は、合成指紋データRと指紋データF Nとの位置合わせはできないので、特徴点Pの合成は不可能として、特徴点Pについての処理を終了する。 If, when the same feature point is not found, it can not be the alignment of the synthetic fingerprint data R and the fingerprint data F N, as impossible synthesis of feature point P, and ends the processing for the feature point P.
【0193】 [0193]
一方、合成指紋データRと指紋データF Nとの間で同一の特徴点、例えば図32(A)および図32(B)に示す例では特徴点Cが発見された場合には、その特徴点Cを用いて位置合わせを行なう。 On the other hand, the same feature point between the synthetic fingerprint data R and the fingerprint data F N, when the characteristic point C is found in the example shown in FIG. 32 (A) and FIG. 32 (B) for example, the feature point performing alignment using C. 位置合わせを行なった後は、指紋データF Nの特徴点Pの特徴点データを合成指紋データRに含め、特徴点合成を終了する。 After performing the alignment, including the feature point data of the feature point P of the fingerprint data F N Synthesis fingerprint data R, and terminates the feature point synthesis.
【0194】 [0194]
このように、本発明の第3実施形態としての指紋データ合成装置1Bによれば、複数の指紋データどうしを照合し、その照合結果に基づいた照合一致評価値を各特徴点の信頼度として算出することにより、指紋の照合アルゴリズムを反映した信頼度を算出することができる。 Thus, calculation according to the fingerprint data synthesis apparatus 1B of the third embodiment of the present invention, compares the plurality of fingerprint data with each other, the collation coincidence evaluation value based on the comparison result as the reliability of the feature points by, it is possible to calculate the reliability reflecting the matching algorithm for fingerprint. このような信頼度に基づいて特徴点を選択して合成指紋データを作成すれば、明らかに指紋照合性能が向上することになる。 By creating such a reliability synthesized fingerprint data by selecting the feature points on the basis of, apparently fingerprint matching performance is improved.
【0195】 [0195]
また、例えば(5)〜(8)式を用い、特徴点信頼度としての照合一致評価値を特徴点データの照合結果や照合一致回数から導くと、再現性の良い特徴点と再現性の悪い特徴点とで照合一致評価値の差が顕著に表われることになるため、誤特徴点を判定しやすくなり、より容易かつ確実に、信頼度の高い合成指紋データを作成することができる。 Further, for example, (5) with - (8), when guiding the collation coincidence evaluation value as a characteristic point reliability from the verification results and collation coincidence number of feature point data, poor reproducibility and good feature point reproducibility the difference between the collation coincidence evaluation value between the feature points will be remarkably appearing, easily determine false feature points, more easily and reliably, it is possible to create a reliable synthetic fingerprint data.
【0196】 [0196]
さらに、ある注目特徴点について、近辺に誤特徴点が多数存在するにもかかわらず、偶然、高い信頼度が算出された場合、その注目特徴点は、誤特徴点である確率が高いので、選択対象から排除されることが望ましい。 Furthermore, for a current feature point, despite false feature point exists many near, by accident, when high reliability is calculated, the current feature point, since the probability of false feature points is high, select it is desirable to be excluded from the subject. そこで、例えば(9)式を用い、特徴点の信頼度を、その特徴点近辺の他の特徴点の信頼度に応じて修正することにより、近辺の特徴点の信頼度がその特徴点の信頼度に反映され、誤特徴点である確率の高い特徴点を選択対象から排除できるので、より確実に、信頼度の高い合成指紋データを作成することができる。 Therefore, for example, (9) used, the reliability of the feature points, by correcting in accordance with the reliability of the other feature point in the vicinity of its characteristic points, reliability reliability of the feature points in the vicinity of its characteristic points are reflected in the time, since the high feature point probability a false feature point can be excluded from the selection target, more reliably, it is possible to create a reliable synthetic fingerprint data.
【0197】 [0197]
また、各特徴点と他の特徴点との関係情報の照合結果を参照し、信頼度の高い特徴点関係データを収集して作成した合成関係情報を、合成指紋データを成す特徴点の関係情報とすることにより、合成指紋データを成す特徴点の関係情報を、信頼性の高いものに修正することができ、より確実に、信頼度の高い合成指紋データを作成することができる。 Further, referring to the verification results of the relationship information between the feature points and other feature points, the synthetic relation information created by collecting reliable high minutia relationship data, the relationship information of the feature points forming the synthetic fingerprint data and by the relationship information of the feature points forming the synthetic fingerprint data, can be modified to be reliable, more reliably, it is possible to create a reliable synthetic fingerprint data.
【0198】 [0198]
位置合わせに際して、複数の指紋データに共通に含まれている特徴点や、指紋画像から求められる指紋中心を基準とすることにより、複数の指紋データから選択された特徴点を容易に位置合わせすることができ、合成指紋データを容易かつ確実に作成することができる。 Upon alignment, and the feature points included in common in a plurality of fingerprint data, by the reference fingerprint center obtained from a fingerprint image, to easily align the plurality of feature points selected from the fingerprint data it can be a synthetic fingerprint data can be created easily and reliably.
【0199】 [0199]
また、位置合わせに際して、作成中の合成指紋データに既に含まれている特徴点の中から適宜選択した特徴点を基準とすれば、複数の指紋データがそれぞれ少しずつ異なる領域の特徴点を含むものであっても、選択された特徴点を容易に位置合わせすることができ、合成指紋データを容易かつ確実に作成することができる。 Further, in the alignment, if a reference suitably selected feature points from the feature point already contained in the synthesis fingerprint data being created, a plurality of fingerprint data including characteristic point of a region slightly different each even, it is possible to easily align the selected feature points, the synthetic fingerprint data can be created easily and reliably.
【0200】 [0200]
〔4〕その他なお、本発明は上述した実施形態に限定されるものではなく、本発明の趣旨を逸脱しない範囲で種々変形して実施することができる。 [4] Others The present invention is not limited to the above embodiments and may be modified in various ways without departing from the scope of the present invention.
例えば、上述した実施形態では、生体特徴データが指紋データである場合について説明したが、本発明は、これに限定されるものではなく、例えば、掌紋,指形,掌形,音声,網膜,虹彩,顔画像,動的署名,血管パターン,キーストローク等の生体情報を用いて個人確認を行なうシステムにおいて生体特徴データを作成する際にも適用され、上述した実施形態と同様の作用効果が得られる。 For example, in the above embodiment, although biometric feature data has been described for the case where the fingerprint data, the present invention is not limited thereto, for example, a palm print, finger-shaped, hand geometry, voice, retina, iris , face image, dynamic signature, vascular patterns, even when creating the biometric characteristic data in a system which performs personal confirmed using biometric information such as keystrokes are applied, the same effects as the embodiment described above is obtained .
【0201】 [0201]
その際には、同一の生体から得られた複数の生体情報のそれぞれから特徴要素を抽出することによりその特徴点についての情報を含む生体特徴データを前記生体情報毎に作成し、複数の生体特徴データの相互間で特徴要素の対応関係を調査することにより2以上の生体特徴データに共通に含まれる同一の特徴要素を共通特徴要素として探索し、その共通特徴要素の中の一つを共通特徴要素を代表する特徴要素として選択することにより複数の生体特徴データを一つに合成して合成生体特徴データを作成し、その後、合成生体特徴データの妥当性を検証する。 At that time, it creates a biometric characteristic data containing information about the feature points by extracting feature elements from each of a plurality of biometric information obtained from the same biological for each of the biological information, the plurality of biometric features explore the same feature elements included in common in the two or more biological characteristic data by examining the correspondence between the feature elements between each other data as a common feature element, commonly characterized by one of the common features elements by synthesizing a plurality of biometric characteristic data into one to create a composite biometric characteristic data by selecting as the feature elements representative of elements, then verifies the validity of the synthetic biometric characteristic data.
【0202】 [0202]
これにより、複数の生体情報のそれぞれから特徴要素を抽出し、抽出された特徴要素を合成して一つの合成生体特徴データを作成している。 Thereby, the characteristic elements extracted from each of a plurality of biological information, the extracted feature elements combined to create a single synthetic biometric characteristic data. これにより、信頼性の高い特徴要素を用いて合成生体特徴データを作成することができる。 This makes it possible to create synthetic biometric characteristic data using a reliable feature elements.
【0203】 [0203]
従って、生体情報から正確に抽出された正しい特徴要素を含む生体特徴データを作成することができ、生体情報による個人確認を行なうシステムにおいて、高い照合性能を実現することができる。 Therefore, it is possible to create a biometric feature data with the correct feature elements which are precisely extracted from the biometric information, in a system which performs personal confirmation by the biological information, it is possible to achieve high matching performance.
また、採取領域の異なる複数の生体情報から、広範囲の特徴要素を正確に抽出して生体特徴データを作成することができるので、上記システムにおいて安定した照合性能を実現することができる。 Further, different from a plurality of biological information of collection area, it is possible to a wide range of feature elements to accurately extracted to create the biometric feature data, it is possible to realize stable collation performance in the system.
【0204】 [0204]
さらに、合成生体特徴データが妥当なものであるか否かを検証するので、合成結果が生体特徴データとして妥当なものだけを用いることができ、より信頼性の高い生体特徴データを用いて生体情報の認証が行なわれ、より高い照合性能を実現することが可能になる。 Furthermore, since the synthetic biometric data to verify whether or not reasonable, synthetic results can be used only reasonable as biometric characteristic data, the biometric information by using a more reliable biometric data authentication is performed, it is possible to realize a higher matching performance.
【0205】 [0205]
【発明の効果】 【Effect of the invention】
以上詳述したように、本発明の指紋データ合成方法,指紋データ合成装置,指紋データ合成プログラムおよび同プログラムを記録したコンピュータ読取可能な記録媒体によれば、以下のような効果ないし利点が得られる。 As described above in detail, the fingerprint data synthesis how the present invention, the fingerprint data synthesis equipment, according to the recording medium body computer readable recording the fingerprint data synthesizing program Contact and the program, the following effects or advantages.
【0206】 [0206]
(1)複数の指紋画像のそれぞれから特徴点を抽出し、抽出された特徴点を合成して一つの合成指紋データを作成している。 (1) the feature point extracted from each of the plurality of fingerprint images, and creating a single synthetic fingerprint data by combining the extracted feature points. これにより、信頼性の高い特徴点を用いて合成指紋データを作成することができる。 This makes it possible to create a composite fingerprint data using a reliable feature point. また、指紋画像どうしを直接的に合成する必要がないので、隆線構造の破壊といった不具合の影響も受けることがない。 Moreover, it is not necessary to directly synthesize the fingerprint images each other, it does not suffer the effects of problems such as destruction of the ridge structure.
【0207】 [0207]
従って、指紋画像から正確に抽出された正しい特徴点(信頼性の高い特徴点)を含む指紋データを作成することができ、指紋による個人確認を行なうシステムにおいて、高い照合性能を実現することができる。 Therefore, it is possible to create a fingerprint data with the correct feature points accurately extracted from the fingerprint image (high minutia reliability), in a system which performs personal confirmation by the fingerprint, it is possible to achieve high matching performance .
また、採取領域の異なる複数の指紋画像から、広範囲の特徴点を正確に抽出して指紋データを作成することができるので、上記システムにおいて安定した照合性能を実現することができる。 Further, from the collection area different fingerprint images, it is possible to create a fingerprint data extensive feature points accurately extracted, it is possible to realize stable collation performance in the system.
【0208】 [0208]
さらに、合成指紋データが妥当なものであるか否かを検証するので、合成結果が指紋データとして妥当なものだけを用いることができ、信頼性の高い指紋データを用いて指紋認証が行なわれ、より高い照合性能を実現することが可能になる。 Furthermore, since the synthetic fingerprint data is verified whether or not reasonable, synthetic results can be used only reasonable as fingerprint data, the fingerprint authentication is performed using a reliable fingerprint data, it is possible to ing to achieve higher matching performance.
【0209】 [0209]
(2)合成指紋データに含まれる特徴点について、その存在範囲,偏り,関係情報や個数の妥当性を確認し、合成指紋データの妥当性を検証することにより、種々の合成状況を考慮しながら、指紋合成に失敗している合成指紋データを確実に排除できるので、より信頼性の高い指紋データを用いて指紋認証を行なえるようになり、照合性能をさらに向上させることができる。 (2) the feature points included in the synthesis fingerprint data, the existence range, deviation, validates the relationship information and the number, by verifying the validity of the synthetic fingerprint data, taking into account the various synthetic conditions since the synthetic fingerprint data have failed the fingerprint synthesis can be reliably eliminated, becomes so perform the fingerprint authentication using the more reliable fingerprint data, Ru can be further improved verification performance.
【0210】 [0210]
(3)各特徴点の信頼度を算出し、その信頼度に応じて、共通特徴点を代表する特徴点を選択することにより、合成指紋データを成す特徴点として、信頼性の高いものを容易に選択できる。 (3) to calculate the reliability of each feature point, in accordance with the reliability, by selecting the feature points representing the common feature points, as feature points forming the synthetic fingerprint data, facilitates highly reliable It can be selected. 従って、誤った特徴点(誤特徴点:信頼性の低い特徴点)が排除され、正しい特徴点(信頼性の高い特徴点)のみによって合成指紋データが再構成されるので、信頼性の高い合成指紋データを容易に作成することができる。 Therefore, incorrect feature points (false feature points: low minutia reliability) been eliminated, since the synthetic fingerprint data is reconstructed by only the correct feature point (high minutia reliability), reliable synthesis It may construct a fingerprint data easily.
【0211】 [0211]
(4)複数の指紋データどうしを照合し、その照合結果に基づいた照合一致評価値を各特徴点の信頼度として算出することにより、指紋の照合アルゴリズムを反映した信頼度を算出することができる。 (4) against the plurality of fingerprint data with each other, by calculating the collation coincidence evaluation value based on the comparison result as the reliability of the feature points, it is possible to calculate the reliability reflecting the matching algorithm for fingerprint . このような信頼度に基づいて特徴点を選択して合成指紋データを作成すれば、明らかに指紋照合性能が向上することになる。 By creating a synthetic fingerprint data by selecting the feature points based on such confidence, ing to clearly improved fingerprint matching performance.
【0212】 [0212]
(5)特徴点信頼度としての照合一致評価値を、特徴点関係データ(位置,種類,方向,関係情報)の照合結果や、照合一致回数から導くと、再現性の良い特徴点と再現性の悪い特徴点とで照合一致評価値の差が顕著に表われることになるため、誤特徴点を判定しやすくなり、より容易かつ確実に、信頼度の高い合成指紋データを作成することができる。 (5) a collation coincidence evaluation value as a characteristic point reliability, minutia relationship data (position, type, direction, relationship information) verification result or, if derived from collation coincidence count, reproducibility and good feature point reproducibility since bad difference collation coincidence evaluation value between the feature point of it will be remarkably appearing, easily determine false feature points, more easily and reliably, it is possible to create a reliable synthetic fingerprint data that.
【0213】 [0213]
(6)ある注目特徴点について、近辺に誤特徴点(信頼度の低い特徴点)が多数存在するにもかかわらず、偶然、高い信頼度が算出された場合、その注目特徴点は、誤特徴点である確率が高いので、選択対象から排除されることが望ましい。 For (6) is noted feature point, despite the feature point erroneous near (low reliability feature point) there are many, by chance, if a high reliability is calculated, its feature point is erroneously characterized since the is a high probability the point, it is desirable to be excluded from the selection. 従って、特徴点の信頼度を、その特徴点近辺の他の特徴点の信頼度に応じて修正することにより、近辺の特徴点の信頼度がその特徴点の信頼度に反映され、誤特徴点である確率の高い特徴点を選択対象から排除できるので、より確実に、信頼度の高い合成指紋データを作成することができる。 Therefore, the reliability of the feature points, by correcting in accordance with the reliability of the other feature point in the vicinity of its characteristic points, the reliability of the feature points in the vicinity is reflected in the reliability of the feature points, false feature points since a high feature point probability is can be eliminated from the selection target, more reliably, it may construct a reliable synthetic fingerprint data.
【0214】 [0214]
(7)各特徴点と他の特徴点との関係情報の照合結果を参照し、信頼度の高い関係情報を収集して作成した合成関係情報を、合成指紋データを成す特徴点の関係情報とすることにより、合成指紋データを成す特徴点の関係情報を、信頼性の高いものに修正することができ、より確実に、信頼度の高い合成指紋データを作成することができる。 (7) refers to the matching result of the relationship information between the feature points and other feature points, the reliability of high relationship information combining related information created by collecting, and relationship information of the feature points forming the synthetic fingerprint data by the relationship information of the feature points forming the synthetic fingerprint data, can be modified to be reliable, more reliably, it may construct a reliable synthetic fingerprint data.
【0215】 [0215]
(8)複数の指紋データに共通に含まれている特徴点や、指紋画像から求められる指紋中心を、位置合わせの基準とすることにより、複数の指紋データから選択された特徴点を容易に位置合わせすることができ、合成指紋データを容易かつ確実に作成することができる。 (8) and a feature point included in common in a plurality of fingerprint data, a fingerprint center as determined from a fingerprint image, by a reference of alignment easily position has been feature points selected from a plurality of fingerprint data can be combined, the composite fingerprint data may construct easily and reliably.
【0216】 [0216]
(9)作成中の合成指紋データに既に含まれている特徴点の中から適宜選択した特徴点を、位置合わせの基準とすることにより、複数の指紋データがそれぞれ少しずつ異なる領域の特徴点を含むものであっても、選択された特徴点を容易に位置合わせすることができ、合成指紋データを容易かつ確実に作成することができる。 Suitably selected feature points from the feature point already contained in the synthesis fingerprint data (9) being created by the alignment reference, the feature points of different fingerprint data bit by bit each region also comprise, can be easily align the selected feature points, the synthetic fingerprint data may construct easily and reliably.
【0217】 [0217]
一方、本発明の関連技術である生体特徴データ合成方法によれば、複数の生体情報のそれぞれから特徴要素を抽出し、抽出された特徴要素を合成して一つの合成生体特徴データを作成している。 On the other hand, according to the biometric characteristic data synthesizing process is a related art of the present invention, the feature elements extracted from each of a plurality of biological information, create one synthetic biometric characteristic data extracted feature elements combined to there. これにより、信頼性の高い特徴要素を用いて合成生体特徴データを作成することができる。 This makes it possible to create synthetic biometric characteristic data using a reliable feature elements.
【0218】 [0218]
従って、生体情報から正確に抽出された正しい特徴要素(信頼性の高い特徴要素)を含む生体特徴データを作成することができ、生体情報による個人確認を行なうシステムにおいて、高い照合性能を実現することができる。 Therefore, it is possible to create a biometric feature data with the correct feature elements which are precisely extracted from the biometric information (reliable feature element), in a system for personal verification by biometric information, to achieve high matching performance can.
また、採取領域の異なる複数の生体情報から、広範囲の特徴要素を正確に抽出して生体特徴データを作成することができるので、上記システムにおいて安定した照合性能を実現することができる。 Further, different from a plurality of biological information of collection area, it is possible to a wide range of feature elements to accurately extracted to create the biometric feature data, it is possible to realize stable collation performance in the system.
【0219】 [0219]
さらに、合成生体特徴データが妥当なものであるか否かを検証するので、合成結果が生体特徴データとして妥当なものだけを用いることができ、より信頼性の高い生体特徴データを用いて生体情報の認証が行なわれ、より高い照合性能を実現することが可能になる。 Furthermore, since the synthetic biometric data to verify whether or not reasonable, synthetic results can be used only reasonable as biometric characteristic data, the biometric information by using a more reliable biometric data authentication is performed, it is possible to realize a higher matching performance.
【図面の簡単な説明】 BRIEF DESCRIPTION OF THE DRAWINGS
【図1】本発明の第1実施形態としての指紋データ合成装置の機能構成を示すブロック図である。 1 is a block diagram showing a functional configuration of a fingerprint data synthesizing apparatus according to the first embodiment of the present invention.
【図2】第1実施形態の指紋データ合成手順を説明するためのフローチャートである。 2 is a flow chart for explaining a fingerprint data synthesis procedure of the first embodiment.
【図3】本実施形態の指紋データ合成原理を説明するための図である。 3 is a diagram for explaining a fingerprint data synthesis principles of the present embodiment.
【図4】本実施形態の指紋データ合成原理を説明するための図である。 4 is a diagram for explaining a fingerprint data synthesis principles of the present embodiment.
【図5】本実施形態の指紋データ合成原理を説明するための図である。 5 is a diagram for explaining a fingerprint data synthesis principles of the present embodiment.
【図6】(A)および(B)はいずれも本実施形態での合成指紋データの妥当性の検証手法を説明するための図である。 6 (A) and (B) is a diagram for explaining a verification method for validity of the synthetic fingerprint data in the present embodiment both.
【図7】(A)および(B)はいずれも本実施形態での合成指紋データの妥当性の検証手法を説明するための図である。 7 (A) and (B) is a diagram for explaining a verification method for validity of the synthetic fingerprint data in the present embodiment both.
【図8】本実施形態での合成指紋データの妥当性の検証手法を説明するための図である。 8 is a diagram for explaining the validity of verification method for synthesizing the fingerprint data in the present embodiment.
【図9】本実施形態での合成指紋データの妥当性の検証手法を説明するための図である。 9 is a diagram for explaining the validity of verification method for synthesizing the fingerprint data in the present embodiment.
【図10】本発明の第2実施形態としての指紋データ合成装置の機能構成を示すブロック図である。 It is a block diagram showing a functional configuration of a fingerprint data synthesizing apparatus according to the second embodiment of the present invention; FIG.
【図11】第2実施形態の指紋データ合成手順を説明するためのフローチャートである。 11 is a flow chart for explaining a fingerprint data synthesis procedure of the second embodiment.
【図12】(A)〜(C)はいずれも本実施形態での特徴点の方向の定義を説明するための図である。 [12] (A) ~ (C) are diagrams for explaining the direction of the definition of the feature point in both the present embodiment.
【図13】本実施形態での特徴点信頼度の算出手法を説明するための図である。 13 is a diagram for explaining a calculating method of the feature point reliability in this embodiment.
【図14】本実施形態での特徴点信頼度の算出手法を説明するための図である。 14 is a diagram for explaining a calculating method of the feature point reliability in this embodiment.
【図15】(A)および(B)はいずれも本実施形態での特徴点信頼度の算出手法を説明するための図である。 [15] (A) and (B) are diagrams for illustrating a calculation method of the feature point reliability in this embodiment either.
【図16】(A)〜(C)はいずれも本実施形態での特徴点信頼度の算出手法を説明するための図である。 [16] (A) ~ (C) are diagrams for illustrating a calculation method of the feature point reliability in both the present embodiment.
【図17】本発明の第3実施形態としての指紋データ合成装置の機能構成を示すブロック図である。 17 is a block diagram showing a functional configuration of a fingerprint data synthesizing device as a third embodiment of the present invention.
【図18】第3実施形態の指紋データ合成手順を説明するためのフローチャートである。 18 is a flowchart for explaining a fingerprint data synthesis procedure of the third embodiment.
【図19】第3実施形態の指紋データ合成手順を説明するためのフローチャートである。 19 is a flow chart for explaining a fingerprint data synthesis procedure of the third embodiment.
【図20】(A)および(B)はいずれも本実施形態での特徴点信頼度(照合一致評価値)の算出手法を説明するための図である。 [20] (A) and (B) are diagrams for illustrating a calculation method of the feature point reliability in this embodiment both (collation coincidence evaluation value).
【図21】(A)および(B)はいずれも本実施形態での特徴点信頼度(照合一致評価値)の算出手法を説明するための図である。 [21] (A) and (B) are diagrams for illustrating a calculation method of the feature point reliability in this embodiment both (collation coincidence evaluation value).
【図22】(A)および(B)はいずれも本実施形態での特徴点信頼度(照合一致評価値)の算出手法を説明するための図である。 [22] (A) and (B) are diagrams for illustrating a calculation method of the feature point reliability in this embodiment both (collation coincidence evaluation value).
【図23】(A)〜(C)はいずれも本実施形態での特徴点信頼度(照合一致評価値)の算出手法を説明するための図である。 [23] (A) ~ (C) are diagrams for illustrating a calculation method of the feature point reliability in this embodiment both (collation coincidence evaluation value).
【図24】(A)〜(C)はいずれも本実施形態での特徴点信頼度(照合一致評価値)の算出手法を説明するための図である。 [24] (A) ~ (C) are diagrams for illustrating a calculation method of the feature point reliability (collation coincidence evaluation value) in the present embodiment both.
【図25】(A)〜(C)はいずれも本実施形態での特徴点信頼度(照合一致評価値)の算出手法を説明するための図である。 [25] (A) ~ (C) are diagrams for illustrating a calculation method of the feature point reliability in this embodiment both (collation coincidence evaluation value).
【図26】(A)〜(C)はいずれも本実施形態での特徴点信頼度(照合一致評価値)の算出手法を説明するための図である。 [26] (A) ~ (C) are diagrams for illustrating a calculation method of the feature point reliability in this embodiment both (collation coincidence evaluation value).
【図27】本実施形態での特徴点信頼度の修正手法を説明するための図である。 27 is a diagram for explaining a modification technique of the feature point reliability in this embodiment.
【図28】本実施形態での指紋データの合成結果の例を説明するための図である。 28 is a diagram for explaining an example of synthesis results of fingerprint data in the present embodiment.
【図29】(A)〜(D)はいずれも本実施形態での特徴点の合成関係情報の作成手法を説明するための図である。 [29] (A) ~ (D) are views for illustrating the production method of the synthetic relational information of the feature points in the present embodiment both.
【図30】(A)および(B)はいずれも本実施形態での特徴点の位置合わせ手法を説明するための図である。 [Figure 30] (A) and (B) are diagrams for explaining a registration method of the feature points in the present embodiment both.
【図31】(A)および(B)はいずれも本実施形態での特徴点の位置合わせ手法を説明するための図である。 [31] (A) and (B) are diagrams for explaining a registration method of the feature points in the present embodiment both.
【図32】(A)および(B)はいずれも本実施形態での特徴点の位置合わせ手法を説明するための図である。 [Figure 32] (A) and (B) are diagrams for explaining a registration method of the feature points in the present embodiment both.
【図33】本実施形態での指紋データ照合手法の変形例を説明するためのフローチャートである。 It is a flow chart for explaining a modification of the fingerprint data verification technique [33] In this embodiment.
【図34】(A)〜(D)はいずれも本実施形態での合成指紋データの妥当性の検証手法を説明するための図である。 [34] (A) ~ (D) are diagrams for explaining a verification method for validity of the synthetic fingerprint data in the present embodiment both.
【符号の説明】 DESCRIPTION OF SYMBOLS
1,1A,1B 指紋データ合成装置2 指紋スキャナ10 指紋データ抽出部20 指紋データ記憶部30 共通特徴点探索部40,40A,40B 指紋データ合成部41 合成指紋データ作成部42 位置合わせ用特徴点探索部43 合成指紋データ記憶部50 検証部60,60B 特徴点信頼度算出部70 特徴点ラベル割り当て部80 指紋データ照合部(共通特徴点探索部) 1, 1A, 1B fingerprint data synthesizing device 2 fingerprint scanner 10 fingerprint data extraction section 20 fingerprint data storage section 30 a common feature point search section 40, 40A, 40B fingerprint data synthesizing section 41 synthesizing the fingerprint data generating unit 42 positioning feature point search part 43 synthesis fingerprint data storage unit 50 verification section 60,60B 70 points feature points reliability calculation unit, wherein the label allocation section 80 fingerprint data verifying unit (common feature point search unit)
90 共通特徴点データ記憶部100 指紋入力領域 90 common feature point data storage unit 100 the fingerprint input region

Claims (25)

  1. 複数の指紋画像のそれぞれから特徴点を抽出することにより、その特徴点についての情報を含む指紋データを前記指紋画像毎に作成し、 By extracting feature points from each of the plurality of fingerprint images, it creates a fingerprint data including information about the feature points for each of the fingerprint image,
    複数の指紋データの相互間で、特徴点の位置的な対応関係に基づき、2以上の指紋データにおいて共通の所定基準位置に対して同一もしくはほぼ同一の位置に存在する特徴点を共通特徴点として探索し、 Between each other of the plurality of fingerprint data, based on the positional relationship of the feature points, as a common feature points feature points existing in the same or substantially the same position with respect to a common predetermined reference position in two or more fingerprint data I searched,
    該共通特徴点として対応づけられた特徴点のうち一つの特徴点を合成指紋データの特徴点とすることにより、合成指紋データを作成し、 By one feature point of the association are feature points and feature points of the synthetic fingerprint data as the common feature points, to create a synthesized fingerprint data,
    該合成指紋データが所定の類型に合致する場合に、前記指紋データの合成が妥当であると判断し、 When the composite fingerprint data matches the predetermined type, the synthesis of the fingerprint data determined to be valid,
    前記所定の類型は、 Said predetermined type is
    該合成指紋データの特徴点の個数が所定の範囲内であることと、 And that the number of feature points of the synthetic fingerprint data is within a predetermined range,
    該合成指紋データの特徴点が所定の領域内に存在することと、 And the feature point of the synthetic fingerprint data exists in the predetermined region,
    該合成指紋データの特徴点が指紋中心付近で1つのグループをなして存在することと、 And the feature point of the synthetic fingerprint data is present no one group near the center of fingerprints,
    該合成指紋データの特徴点の関係情報が、合成指紋データにおける他の特徴点の関係情報と整合がとれていること Relationship information of the feature points of the synthetic fingerprint data, that it is consistent with the relationship information of other feature points in the synthetic fingerprint data
    のいずれかを含むことを特徴とする、指紋データ合成方法。 Characterized in that it comprises any of, a fingerprint data synthesis method.
  2. 複数の指紋画像のそれぞれから特徴点を抽出し、抽出された該特徴点に関する情報を特徴点データとし、前記指紋画像毎に該特徴点データを含む指紋データを作成する指紋データ抽出部と、 Each fingerprint data extracting section that creates a fingerprint data to extract feature points, the information relating to the extracted the feature points and feature point data, including the feature point data for each of the fingerprint image from the plurality of fingerprint images,
    複数の該指紋データの相互間で、特徴点の位置的な対応関係に基づき、2以上の指紋データにおいて共通の所定基準位置に対して同一もしくはほぼ同一の位置に存在する特徴点を共通特徴点として探索する共通特徴点探索部と、 Between each other of the plurality of fingerprint data, based on the positional relationship of the feature points, the common feature point feature points existing in the same or substantially the same position with respect to a common predetermined reference position in two or more fingerprint data the common feature point searching unit that searches a,
    該共通特徴点に基づいて指紋データを合成して合成指紋データを作成する指紋データ合成部と、 A fingerprint data synthesizing unit that synthesizes fingerprint data to create a composite fingerprint data based on the common feature points,
    該合成指紋データが所定の類型に合致する場合に前記指紋データの合成が妥当であると判断する検証を、該合成指紋データの特徴点の個数が所定の範囲内であることと、該合成指紋データの特徴点が所定の領域内に存在することと、該合成指紋データの特徴点が指紋中心付近で1つのグループをなして存在することと、該合成指紋データの特徴点の関係情報が合成指紋データにおける他の特徴点の関係情報と整合がとれていることのいずれかを含む前記所定の類型について行なう検証部とをそなえて構成されたことを特徴とする、指紋データ合成装置。 The verification the synthetic fingerprint data is determined to be reasonable synthesis of pre Symbol fingerprint data if it meets the predetermined type, and that the number of feature points of the synthetic fingerprint data is within a predetermined range, the synthetic and the feature point of the fingerprint data is present in the predetermined region, and the characteristic point of the synthetic fingerprint data is present no one group near the center of fingerprints, the relationship information of the feature points of the synthetic fingerprint data characterized in that it is configured to include a verification unit for performing the predetermined type, including any of what is consistent with the relationship information of other feature points in the synthetic fingerprint data, fingerprint data synthesizer.
  3. 該指紋データ合成部が、該共通特徴点探索部により共通特徴点として対応づけられた特徴点のうち一つを選択し、選択された特徴点で合成指紋データを構成することを特徴とする、請求項記載の指紋データ合成装置。 Fingerprint data synthesizing section selects one of the correspondence obtained feature point as a common feature point by the common feature point search unit, and characterized in that it constitutes a synthesized fingerprint data feature point selected, fingerprint data synthesizing equipment according to claim 2, wherein.
  4. 該検証部が、前記妥当性を有する指紋データの類型に該合成指紋データが合致する度合いを表す評価値を該合成指紋データに基づいて算出し、該評価値を該指紋合成データが前記類型に合致しない場合に小さくし、該評価値が所定値以上である場合に、該指紋データ合成部による指紋データの合成を妥当と判断することを特徴とする、請求項記載の指紋データ合成装置。 The verification unit, an evaluation value representing the degree to which the synthetic fingerprint data matches the type of the fingerprint data having the validity calculated based on the synthetic fingerprint data, the evaluation value in the fingerprint synthesis data the type reduced if not met, if the evaluation value is a predetermined value or more, characterized by determining reasonable synthesis of fingerprint data by the fingerprint data synthesizing unit, the fingerprint data synthesizing apparatus according to claim 3, wherein.
  5. 該検証部が、前記妥当性を有する指紋データの類型のうち2つ以上の類型について該指紋合成データが合致するかを判断する場合に、それぞれの類型との合致度合いに基づいた評価値の合計値が所定の範囲内である場合に該指紋データ合成部による指紋データの合成が妥当であると判断することを特徴とする、請求項記載の指紋データ合成装置。 The verification unit, when determining whether fingerprint synthesis data matches for two or more types of the types of the fingerprint data having the validity, the sum of the evaluation value based on the degree of matching between each type wherein the value is determined to have a reasonable synthesis of fingerprint data by the fingerprint data synthesizing unit when it is within a predetermined range, the fingerprint data synthesizing apparatus according to claim 4, wherein.
  6. 該複数の指紋データにおける各特徴点が正しい特徴点である程度を表す信頼度を該特徴点の特徴点データに基づいて算出し、抽出された特徴点が誤特徴点であると判断される特徴点データの類型と合致するほど該信頼度を小さくする特徴点信頼度算出部をそなえ、 Reliability indicating a degree each feature point in the plurality of fingerprint data is correct feature point calculated based on the feature point data of the feature points, feature points extracted feature points is determined to be the feature point erroneously includes a feature point reliability calculation unit to reduce the reliability enough to match the type of data,
    該信頼度が所定値以上の特徴点のみを用いて、該共通特徴点探索部が共通特徴点を探索し、該指紋データ合成部が合成指紋データを作成することを特徴とする、請求項2〜請求項のいずれか一項に記載の指紋データ合成装置。 The reliability using only feature point more than a predetermined value, the common feature point search unit searches the common feature points, wherein the fingerprint data synthesizing unit creates a synthesized fingerprint data, according to claim 2 fingerprint data synthesizing apparatus according to any one of-claims 5.
  7. 該指紋データ合成部が、該共通特徴点探索部により共通特徴点として対応づけられた特徴点のうち一つを選択し、該共通特徴点探索部により共通特徴点として対応づけられなかった特徴点を選択し、選択された特徴点で合成指紋データを構成することを特徴とする、請求項記載の指紋データ合成装置。 Fingerprint data synthesizing section selects one of the correspondence obtained feature point as a common feature point by the common feature point searching unit, a feature point that has not associated as a common feature point by the common feature point search unit select, and characterized in that it constitutes a synthesized fingerprint data feature points selected, fingerprint data synthesizing apparatus according to claim 6, wherein.
  8. 該指紋データ合成部が、該特徴点信頼度算出部によって算出された信頼度を参照し、該共通特徴点の中から該信頼度が最も高い特徴点を合成指紋データの特徴点とすることを特徴とする、請求項 、又は請求項に記載の指紋データ合成装置。 Fingerprint data synthesizing section, that refers to the reliability calculated by the feature point reliability calculation unit, and a feature point of the synthetic fingerprint data having the highest feature points said reliability is among the common feature points wherein, fingerprint data synthesizing device according to claim 6 or claim 7,.
  9. 該特徴点信頼度算出部が、各特徴点の方向と隆線の方向とに基づく前記信頼度を、該特徴点の方向と隆線の方向とが異なるほど小さくすることを特徴とする、請求項 〜請求項のいずれか一項に記載の指紋データ合成装置。 The minutia reliability calculation unit, characterized in that to reduce the reliability based on the direction of the direction and ridge of each feature point, as the direction of the direction and ridge of the feature points are different, wherein fingerprint data synthesizing apparatus according to any one of claims 6 to claim 8.
  10. 該特徴点信頼度算出部が、各特徴点から近辺の他の特徴点までの隆線長または距離に基づく前記信頼度を、該隆線長又は該距離が所定値よりも短い他の特徴点が多いほど小さくすることを特徴とする、請求項 〜請求項のいずれか一項に記載の指紋データ合成装置。 The minutia reliability calculation section, other said confidence level based on the ridge length or distance to the feature point, 該隆 line length or the distance is short other feature points than the predetermined value in the vicinity of the respective characteristic points characterized by reduced the more, the fingerprint data synthesis apparatus according to any one of claims 6 to claim 8.
  11. 該特徴点信頼度算出部が、各特徴点から近辺の隆線までの距離に基づく前記信頼度を、該特徴点から該隆線までの距離が指紋全体に見られる隆線の間隔よりも短いときに小さくすることを特徴とする、請求項 〜請求項のいずれか一項に記載の指紋データ合成装置。 The minutia reliability calculation section, the reliability based on the distance to the ridge in the vicinity from each feature point, the distance from the feature point to 該隆 line is shorter than the distance between the ridges found in whole fingerprint characterized by small when, fingerprint data synthesizing apparatus according to any one of claims 6 to claim 8.
  12. 該特徴点信頼度算出部が、各特徴点と近辺の他の複数の特徴点との位置関係に基づく前記信頼度を、該特徴点と他の特徴点を通る複数の直線が等しいもしくはほぼ等しい傾きを有する場合に小さくすることを特徴とする、請求項 〜請求項のいずれか一項に記載の指紋データ合成装置。 The minutia reliability calculation section, the reliability based on the positional relationship between the other of the plurality of feature points in the vicinity of the respective feature points, a plurality of straight lines or approximately equal equal through the feature points and other feature points characterized by small when having an inclination, the fingerprint data synthesis apparatus according to any one of claims 6 to claim 8.
  13. 該複数の指紋データの各特徴点について、該特徴点の特徴点データと、該特徴点と異なる指紋データに含まれる他の特徴点の特徴点データとが一致するかを判断する照合部をそなえ、 For each feature point of the fingerprint data of the plurality of the feature point data of the feature points, the matching unit to determine whether the feature data of the other feature points included in the different fingerprint data with the feature point coincides provided ,
    該特徴点信頼度算出部が、該複数の指紋データの各特徴点について該照合部による照合結果に基づいて前記信頼度を算出し、照合一致回数が多い、又は一致度合いが大きいほど前記信頼度を大きくすることを特徴とする、請求項 〜請求項のいずれか一項に記載の指紋データ合成装置。 The minutia reliability calculation section calculates the reliability based on the collation result of the collating section for each of the feature points of the fingerprint data of the plurality of collation matching a large number of times, or more consistent greater degree the reliability the characterized by large, fingerprint data synthesizing apparatus according to any one of claims 6 to claim 8.
  14. 該特徴点信頼度算出部が、照合対象の二つの特徴点について、位置,種類および方向を該照合部により照合した結果のうちの少なくとも一つに基づいて、前記信頼度を算出することを特徴とする、請求項1 記載の指紋データ合成装置。 Characterized in that the minutia reliability calculation section, for the two feature points to be matched, the position, based on the type and direction in at least one of the result of the collation by the collating unit, calculates the reliability to, fingerprint data synthesizing apparatus according to claim 1 3, wherein.
  15. 該特徴点信頼度算出部が、照合対象の二つの特徴点について、各照合対象特徴点の関係情報についての特徴点データである特徴点関係データを該照合部により照合した結果に基づいて、前記信頼度を算出することを特徴とする、請求項1 記載の指紋データ合成装置。 The minutia reliability calculation section, for the two feature points to be matched, on the basis of a result of the feature point related data which is characteristic point data collated by the collating unit of the relationship information for each comparison target feature points, the and calculates the reliability, fingerprint data synthesizing apparatus according to claim 1 3, wherein.
  16. 前記特徴点関係データが、照合対象特徴点と同一の指紋データに含まれる他の特徴点の位置,種類および方向のうちの少なくとも一つであることを特徴とする、請求項1 記載の指紋データ合成装置。 The feature point related data, the position of the other feature points included in the comparison target feature points and the same fingerprint data, characterized in that at least one of a type and direction, the fingerprint of claims 1 to 5, wherein data synthesis device.
  17. 前記特徴点関係データが、前記の各照合対象特徴点から該他の特徴点までの隆線の本数であることを特徴とする、請求項1 記載の指紋データ合成装置。 The feature point related data, characterized in that it is a number of ridges from the verification object feature points of the up said other minutiae, the fingerprint data synthesizing apparatus according to claim 1 5, wherein.
  18. 前記特徴点関係データが、前記の各照合対象特徴点から隆線を介した該他の特徴点までの接続パターンであることを特徴とする、請求項1 記載の指紋データ合成装置。 The feature point related data, characterized in that it is a connection pattern from the verification object feature points of the up said other feature points through the ridge, fingerprint data synthesizing apparatus according to claim 1 5, wherein.
  19. 該特徴点信頼度算出部が、各特徴点について、周囲に存在する他の特徴点のうち信頼度が所定値以下である特徴点の割合に応じて、信頼度を下げることを特徴とする、請求項 〜請求項18のいずれか一項に記載の指紋データ合成装置。 The minutia reliability calculation section, for each feature point, in accordance with the ratio reliability of the feature points is less than the predetermined value of the other feature points existing around, and wherein the lower the reliability, fingerprint data synthesizing apparatus according to any one of claims 6 to claim 18.
  20. 該指紋データ合成部が、共通特徴点として対応づけられた特徴点の特徴点関係データについて該照合部により照合した結果を参照し、発生頻度が高い特徴点関係データを該合成指紋データにおける該特徴点の特徴点関係データとすることを特徴とする、請求項1 〜請求項19のいずれか一項に記載の指紋データ合成装置。 Fingerprint data synthesizing section, the characteristic refers to the result of the collation by the collating unit for the feature point related data correlated obtained feature points, the high frequency characteristic point related data in the composite fingerprint data as a common feature point characterized by the feature point related data of the point, the fingerprint data synthesis apparatus according to any one of claims 1 3 to claim 19.
  21. 該指紋データ合成部が該合成指紋データを作成する際、該複数の指紋データに共通に含まれている特徴点を基準にして、該合成指紋データを成す特徴点相互の位置合わせを行なうことを特徴とする、請求項2〜請求項2 のいずれか一項に記載の指紋データ合成装置。 When fingerprint data synthesizing unit creates said synthesized fingerprint data, that on the basis of the characteristic point included in common in the plurality of fingerprint data, aligning the feature point cross forming the synthetic fingerprint data wherein, the fingerprint data synthesis apparatus according to any one of claims 2 to 2 0.
  22. 該指紋データ合成部が該合成指紋データを作成する際、該指紋画像から求められる指紋中心を基準にして、該合成指紋データを成す特徴点相互の位置合わせを行なうことを特徴とする、請求項2〜請求項2 のいずれか一項に記載の指紋データ合成装置。 When fingerprint data synthesizing unit creates said synthesized fingerprint data, based on the center of fingerprints obtained from the fingerprint image, and performs positioning of the feature point cross forming the synthetic fingerprint data, claim 2 fingerprint data synthesizing apparatus according to any one of claims 2 0.
  23. 該指紋データ合成部が該合成指紋データを作成する際、作成中の該合成指紋データに含まれる特徴点の中から選択した特徴点を基準にして、該合成指紋データを成す特徴点相互の位置合わせを行なうことを特徴とする、請求項2〜請求項2 のいずれか一項に記載の指紋データ合成装置。 When fingerprint data synthesizing unit creates said synthesized fingerprint data, based on the selected feature points from among the feature points included in the synthetic fingerprint data being created, the position of the feature point cross forming the synthetic fingerprint data combined and performing, fingerprint data synthesizing apparatus according to any one of claims 2 to 2 0.
  24. 複数の指紋画像のそれぞれから特徴点を抽出することにより、その特徴点についての情報を含む指紋データを前記指紋画像毎に作成する指紋データ抽出部、 By extracting feature points from each of the plurality of fingerprint images, the fingerprint data extraction section for creating the fingerprint data including information about the feature points for each of the fingerprint image,
    複数の指紋データの相互間で、特徴点の位置的な対応関係に基づき、2以上の指紋データにおいて共通の所定基準位置に対して同一もしくはほぼ同一の位置に存在する特徴点を共通特徴点として探索する共通特徴点探索部、 Between each other of the plurality of fingerprint data, based on the positional relationship of the feature points, as a common feature points feature points existing in the same or substantially the same position with respect to a common predetermined reference position in two or more fingerprint data a common feature point search unit to search,
    該共通特徴点探索部により共通特徴点として対応づけられた特徴点のうち一つの特徴点を合成指紋データの特徴点とすることにより、合成指紋データを作成する指紋データ合成部、および、 With the feature points of the synthetic fingerprint data of one of the feature points of the correspondence obtained feature point as a common feature point by the common feature point searching unit, the fingerprint data synthesizing unit for creating a synthesized fingerprint data, and,
    該合成指紋データが所定の類型に合致する場合に該合成指紋データが妥当であると判断する検証を、該合成指紋データの特徴点の個数が所定の範囲内であることと、該合成指紋データの特徴点が所定の領域内に存在することと、該合成指紋データの特徴点が指紋中心付近で1つのグループをなして存在することと、該合成指紋データの特徴点の関係情報が合成指紋データにおける他の特徴点の関係情報と整合がとれていることのいずれかを含む前記所定の類型について行なう検証部として、コンピュータを機能させる、指紋データ合成プログラム。 The verification the synthetic fingerprint data is judged as the synthetic fingerprint data is valid if it meets the predetermined type, and that the number of feature points of the synthetic fingerprint data is within a predetermined range, the synthetic fingerprint data the feature point exists in a predetermined region and it and, the synthetic fingerprint related information synthesizing fingerprint feature points data feature points of the synthetic fingerprint data is present no one group near the center of fingerprints of as a verification unit for performing the predetermined type, including any of what is consistent with the relationship information of other feature points in the data, causing a computer to function, fingerprint data synthesizing program.
  25. 複数の指紋画像のそれぞれから特徴点を抽出することにより、その特徴点についての情報を含む指紋データを前記指紋画像毎に作成する指紋データ抽出部、 By extracting feature points from each of the plurality of fingerprint images, the fingerprint data extraction section for creating the fingerprint data including information about the feature points for each of the fingerprint image,
    複数の指紋データの相互間で、特徴点の位置的な対応関係に基づき、2以上の指紋データにおいて共通の所定基準位置に対して同一もしくはほぼ同一の位置に存在する特徴点を共通特徴点として探索する共通特徴点探索部、 Between each other of the plurality of fingerprint data, based on the positional relationship of the feature points, as a common feature points feature points existing in the same or substantially the same position with respect to a common predetermined reference position in two or more fingerprint data a common feature point search unit to search,
    該共通特徴点探索部により共通特徴点として対応づけられた特徴点のうち一つの特徴点を合成指紋データの特徴点とすることにより、合成指紋データを作成する指紋データ合成部、および、 With the feature points of the synthetic fingerprint data of one of the feature points of the correspondence obtained feature point as a common feature point by the common feature point searching unit, the fingerprint data synthesizing unit for creating a synthesized fingerprint data, and,
    該合成指紋データが所定の類型に合致する場合に該合成指紋データが妥当であると判断する検証を、該合成指紋データの特徴点の個数が所定の範囲内であることと、該合成指紋データの特徴点が所定の領域内に存在することと、該合成指紋データの特徴点が指紋中心付近で1つのグループをなして存在することと、該合成指紋データの特徴点の関係情報が合成指紋データにおける他の特徴点の関係情報と整合がとれていることのいずれかを含む前記所定の類型について行なう検証部として、コンピュータを機能させる、指紋データ合成プログラムを記録したコンピュータ読取可能な記録媒体。 The verification the synthetic fingerprint data is judged as the synthetic fingerprint data is valid if it meets the predetermined type, and that the number of feature points of the synthetic fingerprint data is within a predetermined range, the synthetic fingerprint data the feature point exists in a predetermined region and it and, the synthetic fingerprint related information synthesizing fingerprint feature points data feature points of the synthetic fingerprint data is present no one group near the center of fingerprints of as a verification unit for performing the predetermined type, including any of what is consistent with the relationship information of other feature points in the data, causing a computer to function, a computer-readable recording medium body was recorded fingerprint data synthesizing program .
JP2001047965A 2000-03-31 2001-02-23 Fingerprint data synthesizing process, the fingerprint data synthesis device, a computer readable recording medium storing the fingerprint data synthesizing program and the program Active JP4426733B2 (en)

Priority Applications (3)

Application Number Priority Date Filing Date Title
JP2000-98044 2000-03-31
JP2000098044 2000-03-31
JP2001047965A JP4426733B2 (en) 2000-03-31 2001-02-23 Fingerprint data synthesizing process, the fingerprint data synthesis device, a computer readable recording medium storing the fingerprint data synthesizing program and the program

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2001047965A JP4426733B2 (en) 2000-03-31 2001-02-23 Fingerprint data synthesizing process, the fingerprint data synthesis device, a computer readable recording medium storing the fingerprint data synthesizing program and the program
US09/803,155 US6961452B2 (en) 2000-03-31 2001-03-12 Fingerprint data synthesis method, fingerprint data synthesis apparatus and computer-readable recording medium on which fingerprint data synthesis program is recorded as well as biometric information synthesis method

Publications (2)

Publication Number Publication Date
JP2001344604A JP2001344604A (en) 2001-12-14
JP4426733B2 true JP4426733B2 (en) 2010-03-03

Family

ID=26589159

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2001047965A Active JP4426733B2 (en) 2000-03-31 2001-02-23 Fingerprint data synthesizing process, the fingerprint data synthesis device, a computer readable recording medium storing the fingerprint data synthesizing program and the program

Country Status (2)

Country Link
US (1) US6961452B2 (en)
JP (1) JP4426733B2 (en)

Families Citing this family (52)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7203347B2 (en) * 2001-06-27 2007-04-10 Activcard Ireland Limited Method and system for extracting an area of interest from within a swipe image of a biological surface
AU2002316679A1 (en) * 2001-07-12 2003-01-29 Atrua Technologies, Inc. Method and system for biometric image assembly from multiple partial biometric frame scans
US7400749B2 (en) * 2002-07-08 2008-07-15 Activcard Ireland Limited Method and apparatus for supporting a biometric registration performed on an authentication server
KR20080106481A (en) * 2002-07-29 2008-12-05 이데시아 엘티디. Method and apparatus for electro-biometric identity recognition
EP1530949B1 (en) 2002-09-13 2010-11-10 Fujitsu Limited Biosensing instrument and method and identifying device having biosensing function
EP2053536B1 (en) * 2002-09-17 2012-06-20 Fujitsu Ltd. Biometric Information Obtaining Apparatus and Biometric Information Verification Apparatus
US8171304B2 (en) * 2003-05-15 2012-05-01 Activcard Ireland Limited Method, system and computer program product for multiple biometric template screening
US7697729B2 (en) 2004-01-29 2010-04-13 Authentec, Inc. System for and method of finger initiated actions
JP4592341B2 (en) * 2004-06-29 2010-12-01 セコム株式会社 The biometric information authentication device
DE102004053900A1 (en) * 2004-11-05 2006-05-11 Tbs Holding Ag Method and apparatus for collecting biometric data
US7831070B1 (en) 2005-02-18 2010-11-09 Authentec, Inc. Dynamic finger detection mechanism for a fingerprint sensor
US8231056B2 (en) * 2005-04-08 2012-07-31 Authentec, Inc. System for and method of protecting an integrated circuit from over currents
US7505613B2 (en) * 2005-07-12 2009-03-17 Atrua Technologies, Inc. System for and method of securing fingerprint biometric systems against fake-finger spoofing
WO2007050776A2 (en) * 2005-10-25 2007-05-03 University Of Kentucky Research Foundation System and method for 3d imaging using structured light illumination
US7940249B2 (en) * 2005-11-01 2011-05-10 Authentec, Inc. Devices using a metal layer with an array of vias to reduce degradation
US7487465B2 (en) * 2006-01-06 2009-02-03 International Business Machines Corporation Application clippings
KR100714025B1 (en) 2006-01-18 2007-04-25 엘지전자 주식회사 Fingerprint recognition method and apparatus
US7813531B2 (en) * 2006-05-01 2010-10-12 Unisys Corporation Methods and apparatus for clustering templates in non-metric similarity spaces
US7885436B2 (en) * 2006-07-13 2011-02-08 Authentec, Inc. System for and method of assigning confidence values to fingerprint minutiae points
JP2008123207A (en) * 2006-11-10 2008-05-29 Sony Corp Registration apparatus, matching apparatus, registration method, matching method and program
JP4952267B2 (en) * 2007-01-19 2012-06-13 コニカミノルタホールディングス株式会社 3-dimensional shape processing apparatus, a control method of a three-dimensional shape processing device, and the three-dimensional shape processing apparatus control program
KR20080110242A (en) * 2007-06-15 2008-12-18 한국외국어대학교 연구산학협력단 Systems and methods for fingerprint matching
DE102008024320B4 (en) * 2008-05-20 2017-02-23 Infineon Technologies Ag Safe process for biometric verification of a person
JP2010061528A (en) * 2008-09-05 2010-03-18 Fujitsu Ltd Biometric authentication apparatus, biometrics authentication program and biometric authentication method
JP5196010B2 (en) * 2009-04-13 2013-05-15 富士通株式会社 Biometric information registration device, biometric information registration method and biometric information registration computer program and the biometric authentication device, biometric authentication method and biometric authentication computer program
JP5273801B2 (en) * 2009-05-13 2013-08-28 Necソフト株式会社 Fingerprint characteristic point determination system, fingerprint characteristic point determination method, a fingerprint feature point determination program
JP5287550B2 (en) * 2009-07-01 2013-09-11 富士通株式会社 Biometric authentication system, biometric authentication method, biometric authentication device, biometric information processing apparatus, biometric authentication program and the biometric information processing program
JP5424788B2 (en) * 2009-09-16 2014-02-26 株式会社日立ソリューションズ The biological information creation method and the authentication method and apparatus used in the biometric authentication device
US8866347B2 (en) 2010-01-15 2014-10-21 Idex Asa Biometric image sensing
US8791792B2 (en) 2010-01-15 2014-07-29 Idex Asa Electronic imager using an impedance sensor grid array mounted on or about a switch and method of making
US8421890B2 (en) 2010-01-15 2013-04-16 Picofield Technologies, Inc. Electronic imager using an impedance sensor grid array and method of making
WO2011150197A2 (en) 2010-05-27 2011-12-01 Aware Inc Biometric feature extraction using multiple image instantiations
US9201539B2 (en) 2010-12-17 2015-12-01 Microsoft Technology Licensing, Llc Supplementing a touch input mechanism with fingerprint detection
CN102360178B (en) * 2011-08-16 2013-07-10 上海交通大学 Dynamic control method for grouping of hybrid parallel machine and work shop
EP2958052A3 (en) 2012-04-10 2016-03-30 Idex Asa Biometric sensing
US9430692B2 (en) 2012-05-22 2016-08-30 Nec Solution Innovators, Ltd. Fingerprint minutia display input device, fingerprint minutia display input method, and fingerprint minutia display input program
US8942431B2 (en) * 2012-06-24 2015-01-27 Neurologix Security Group Inc Biometrics based methods and systems for user authentication
US9152842B2 (en) 2012-06-29 2015-10-06 Apple Inc. Navigation assisted fingerprint enrollment
US8913801B2 (en) * 2012-06-29 2014-12-16 Apple Inc. Enrollment using synthetic fingerprint image and fingerprint sensing systems
US10372962B2 (en) 2012-06-29 2019-08-06 Apple Inc. Zero fingerprint enrollment system for an electronic device
US9436864B2 (en) * 2012-08-23 2016-09-06 Apple Inc. Electronic device performing finger biometric pre-matching and related methods
KR101444064B1 (en) * 2013-03-22 2014-09-26 주식회사 슈프리마 Method and apparatus for fingerprint recognition by using multi scan
US9686222B2 (en) * 2013-09-17 2017-06-20 International Business Machines Corporation Initiating social interaction based on E-mail content
US9514351B2 (en) 2014-02-12 2016-12-06 Apple Inc. Processing a fingerprint for fingerprint matching
US9576126B2 (en) 2014-02-13 2017-02-21 Apple Inc. Updating a template for a biometric recognition device
JP6375775B2 (en) * 2014-08-19 2018-08-22 日本電気株式会社 Characteristic point input support device, the characteristic point input support method, and a program
US20160105285A1 (en) 2014-10-14 2016-04-14 Qualcomm Incorporated Deriving cryptographic keys from biometric parameters
US9992171B2 (en) 2014-11-03 2018-06-05 Sony Corporation Method and system for digital rights management of encrypted digital content
JP6055459B2 (en) * 2014-12-17 2016-12-27 京セラドキュメントソリューションズ株式会社 The touch panel device, and an image processing apparatus
SE1551641A1 (en) * 2015-12-14 2017-06-15 Fingerprint Cards Ab Method and fingerprint sensing system for acquiring a fingerprint image
JP2018067120A (en) * 2016-10-19 2018-04-26 日本電気株式会社 Fingerprint processing apparatus, fingerprint processing method, program and fingerprint processing circuit
JP2018097637A (en) 2016-12-14 2018-06-21 富士通株式会社 Image processing apparatus, image processing method, and image processing program

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA2064926C (en) * 1991-04-03 1996-07-16 Ritsuko Omori Fingerprint image processing system capable of simply processing minutiae
US5572597A (en) * 1994-03-29 1996-11-05 Loral Corporation Fingerprint classification system
FR2749955B1 (en) * 1996-06-14 1998-09-11 Thomson Csf Reading system fingerprint
US6072895A (en) * 1996-12-13 2000-06-06 International Business Machines Corporation System and method using minutiae pruning for fingerprint image processing
US6233348B1 (en) * 1997-10-20 2001-05-15 Fujitsu Limited Fingerprint registering apparatus, fingerprint identifying apparatus, and fingerprint identifying method
CN1126059C (en) * 1998-05-08 2003-10-29 西门子公司 Method for producing reference image for pattern recognition tasks
US6546122B1 (en) * 1999-07-29 2003-04-08 Veridicom, Inc. Method for combining fingerprint templates representing various sensed areas of a fingerprint to derive one fingerprint template representing the fingerprint
US6597802B1 (en) * 1999-08-13 2003-07-22 International Business Machines Corp. System and method for generating a rolled surface representation from a set of partial images
US6567765B1 (en) * 2000-08-17 2003-05-20 Siemens Corporate Research, Inc. Evaluation system and method for fingerprint verification

Also Published As

Publication number Publication date
US20010031075A1 (en) 2001-10-18
US6961452B2 (en) 2005-11-01
JP2001344604A (en) 2001-12-14

Similar Documents

Publication Publication Date Title
Jain et al. An identity-authentication system using fingerprints
Ross et al. Information fusion in biometrics
Bazen et al. A correlation-based fingerprint verification system
KR100948707B1 (en) Apparatus and method for personal identification
US6993166B2 (en) Method and apparatus for enrollment and authentication of biometric images
CN1183475C (en) Method and apparatus for creating composite finger print image
US7162058B2 (en) Authentication system by fingerprint
Jain et al. Introduction to biometrics
US5631971A (en) Vector based topological fingerprint matching
JP4097710B2 (en) Security apparatus and method
JP4405656B2 (en) Personal authentication system and registration and authentication method for the same system using the fingerprint information
EP0968484B1 (en) Method of gathering biometric information
RU2302656C2 (en) Image identification system
Jain et al. Filterbank-based fingerprint matching
US6259805B1 (en) Biometric security encryption system
KR100944172B1 (en) Biometrics authentication method and biometrics authentication system
US6980669B1 (en) User authentication apparatus which uses biometrics and user authentication method for use with user authentication apparatus
US6038334A (en) Method of gathering biometric information
EP1380984A2 (en) Method and apparatus for supporting a biometric registration performed on an authentication server
Ruiz-Albacete et al. Direct attacks using fake images in iris verification
US7853054B2 (en) Fingerprint template generation, verification and identification system
EP1339008B1 (en) Authentication method, and program and apparatus therefor
CA2378345C (en) Method and system for fingerprint template matching
JP3053388B2 (en) Fingerprint image feature correlator
US9129451B2 (en) Access control device

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20060525

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20090529

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20090616

A521 Written amendment

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20090812

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20090908

A521 Written amendment

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20091106

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20091201

A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20091211

R150 Certificate of patent or registration of utility model

Free format text: JAPANESE INTERMEDIATE CODE: R150

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20121218

Year of fee payment: 3

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20121218

Year of fee payment: 3

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20131218

Year of fee payment: 4